宏斌PKUCIS

摘要： k近邻法是一种基本分类与回归方法。本章只讨论k近邻分类，回归方法将在随后专题中进行。 它可以进行多类分类，分类时根据在样本集合中其k个最近邻点的类别，通过多数表决等方式进行预测，因此不具有显式的学习过程。其本质是利用训练数据集对特征向量空间进行划分，并作为其分类的模型。k值选择、距离度量以及分类决策 阅读全文

摘要： 感知机是二类分类的线性分类模型，所谓二分类指的是输出的类别只有-1或1两种，所谓线性指的是输入的特征向量集合在特征空间中被超平面划分为相互分离的正负两类。感知机学习的目的正是为了求出将训练数据进行线性划分的分离超平面。 1、感知机模型： 定义：x是n维特征向量，y是判断的二元类别-1或1，判别函数f 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文

摘要： 明天补充 阅读全文

摘要： 待增加 阅读全文

摘要： 待增加 阅读全文