摘要：
一.参数和超参数之间的区别以及联系？ 点击这里 二.knn算法的的超参数问题 1.寻找到最好的k值 k值在knn中是一个超参数的问题，我们如何选取一个最好的k值呢？ 示例代码如下： 2.考虑距离的权重问题 3.当需要考虑到距离问题的时候，选择哪种距离公式 考虑搜索明科夫斯基距离 明科夫斯基距离公式： 阅读全文
posted @ 2018-05-16 15:17
明-少
阅读(3175)
评论(0)
推荐(0)
摘要：
一.kNN算法简介 在模式识别领域中，最近邻居法（KNN算法，又译K-近邻算法）是一种用于分类和回归的非参数统计方法[1]。在这两种情况下，输入包含特征空间中的k个最接近的训练样本。 在k-NN分类中，输出是一个分类族群。一个对象的分类是由其邻居的“多数表决”确定的，k个最近邻居（k为正整数，通常较 阅读全文
posted @ 2018-05-15 16:10
明-少
阅读(280)
评论(0)
推荐(1)
摘要：
一.机器学习：问题设置 一般来说，一个学习问题通常会考虑一系列 n 个 样本 数据，然后尝试预测未知数据的属性。 如果每个样本是 多个属性的数据 （比如说是一个多维记录），就说它有许多“属性”，或称 features(特征) 。 我们可以将学习问题分为几大类: 监督学习 , 其中数据带有一个附加属性 阅读全文
posted @ 2018-05-15 14:10
明-少
阅读(280)
评论(0)
推荐(0)
摘要：
一.什么是scikit_learn? 1.简单概述 对Python语言有所了解的科研人员可能都知道SciPy——一个开源的基于Python的科学计算工具包。基于SciPy，目前开发者们针对不同的应用领域已经发展出了为数众多的分支版本，它们被统一称为Scikits，即SciPy工具包的意思。而在这些分 阅读全文
posted @ 2018-05-15 10:33
明-少
阅读(1141)
评论(0)
推荐(0)
摘要：
一.单个矩阵之间的运算 二.多个矩阵之间的运算 三.向量和矩阵之间的运算 阅读全文
posted @ 2018-05-11 11:14
明-少
阅读(474)
评论(0)
推荐(0)
摘要：
一.什么是jupyter notebook? 官网的介绍是：Jupyter Notebook是一个Web应用程序，允许您创建和共享包含实时代码，方程，可视化和说明文本的文档。 用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。 简单的介绍就是：Jupyter Notebook是Ipytho 阅读全文
posted @ 2018-05-10 11:23
明-少
阅读(2095)
评论(0)
推荐(0)
摘要：
一.sum函数 1.基本使用 sum() 没有axis参数表示全部数据相加 axis=0，表示按列相加 axis=1，表示按行相加 2.相关注意事项 对于一维数组，只有axis=0，表示按行相加，没有axis=1，输入axis=1会报错。 阅读全文
posted @ 2018-05-05 18:01
明-少
阅读(1208)
评论(0)
推荐(0)
摘要：
一.tile函数 使用示例代码： 阅读全文
posted @ 2018-05-05 17:45
明-少
阅读(102)
评论(0)
推荐(0)
摘要：
一.numpy介绍 1.概述 NumPy是一个Python语言的软件包，它非常适合于科学计算。在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础库。 1.介绍 NumPy是一个用于科技计算的基础软件包，它是Python语言实现的。它包含了： 强大的N维数组结构 精密复杂的函数 阅读全文
posted @ 2018-05-05 16:57
明-少
阅读(407)
评论(0)
推荐(0)
摘要：
一.什么是knn算法 1.简介 K最近邻（k-Nearest Neighbor，KNN）分类算法可以说是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别 阅读全文
posted @ 2018-05-05 10:55
明-少
阅读(1407)
评论(0)
推荐(0)
浙公网安备 33010602011771号