先簡單介紹一下k-進鄰演算法：採用測量不同特徵值之間的距離方法進行分類，ok，它是屬於監督學習了
優點：精度高，對異常值不敏感，無資料輸入假定
缺點：計算複雜度高，空間複雜度高
適用資料範圍：數值型和標稱型
在介紹這個演算法之前，先介紹一點基礎的數學概念，這個是會在後面用到的，我這裡就盡量用白話給大家介紹
矩陣：你可以理解為乙個二維陣列，裡面可能有實數和複數。如下圖
單位矩陣 就是對角線為非0，其他為0的矩陣，如下圖
再介紹下矩陣乘法
滿足條件 ： a，b為2個矩陣，a的行數等於b的列數或者相反，則可以相乘
乘法規則是c=ab,則c的m行n列等於a的m行各個元素乘以b的n列各個元素
再介紹乙個就是矩陣和它的逆矩陣相乘，等於單位矩陣
ok，暫時先介紹到這，下一節我們以實際例子來講解k-近鄰演算法
機器學習（一）k 進鄰演算法
概述 原理 存在乙個樣本資料集合，也稱作為訓練樣本集，並且樣本集中每個資料都存在標籤，即我們知道樣本集中每乙個資料與所屬分類的對應關係。輸入沒有標籤的新資料後，將新的資料的每個特徵與樣本集中資料對應的特徵進行比較，然後演算法提取樣本最相似資料 最近鄰 的分類標籤。一般來說，我們只選擇樣本資料集中前k...
機器學習演算法總結3 k近鄰法
k近鄰法 k nn 是一種基本分類與回歸方法。演算法思想 給定乙個訓練資料集，對新的輸入例項，在訓練資料集中找到與其最鄰近的k個例項，這k個例項的多數屬於某個類，就把該輸入例項分為哪個類。k近鄰的特殊情況是k 1的情形，稱為最近鄰演算法。k近鄰演算法沒有顯式的學習過程。1.模型 k近鄰法使用的模型對...
3 K均值演算法
2 自主編寫k means演算法 以鳶尾花花瓣長度資料做聚類，並用散點圖顯示。加分題 1 import numpy as np 2from sklearn.datasets import load iris 3import matplotlib.pyplot as plt 45 iris load ...