别把梦弄脏

摘要： 1. 欧氏距离(Euclidean Distance) 欧氏距离是最容易直观理解的距离度量方法，我们小学、初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离。 二维平面上点a(x1,y1)与b(x2,y2)间的欧氏距离: 三维空间点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离: 阅读全文

摘要： 线性模型试图学得一个通过对属性线性组合来进行预测的函数，基本形式如下： $$ f(x) = w^T x + b$$ 确定了 $w$ 和 $b$，则模型就确定下来。 优点：形式简单，易于建模；可解释性强：$w$ 表达了各个属性在预测中的重要性。 线性回归 我们可以用线性模型来做简单的回归任务，即根据样 阅读全文

摘要： **应用背景：**最近邻分类器（KNN）是机器学习中一种最简单的分类方法，作用对象一般是通过前期的预处理、特征提取并进行降维后的N维样本特征，待识别测试集中的样本同带有标签的训练集样本一一匹配（通常是某种相似性度量方法，如距离测度（欧式距离）），将匹配距离最小、出现次数最多的训练集标签作为预测输出。 阅读全文