Knn和K-means
2024-09-06 02:01:54
先开个标题，以后慢慢填充。
k近邻算法（knn）属于监督学习
一、 三个关键点：1、k的取值，当k值较小时，选取点较少，相当于会有在较小的范围内进行学习预测，学习误差会减小，但是估计误差会增大，因为训练样本中存在噪声，选取过小的区域，噪声干扰的权重会较大，因为影响泛化能力，k减小意味整体模型复杂，容易过拟合；k选较大值时，以为选取较大的邻域进行预测，可以减少估计误差，但缺点是学习近似误差会增大，较远的点也会起到作用，k增大以为这模型简单。但是不能一味把k取大，除了计算量外，如k=N，那么无论输入实力是什么，预测结果都是训练集中最多的那个类。
2、距离的度量，最常见的欧式距离，更一般的是Lp距离，Lp范式，p=2时就是欧式距离。
3、分类决策规则：多数表决
二、kd树，是一种便于对k维空间中的数据进行快速检索的数据结构。kd树是二叉树，用来对空间进行划分，减少运算量的一种数据格式。
k均值（k-means）
是非监督学习，
最新文章
- 使用T4模板合并js文件
- 【Android开发实践】android.view.InflateException: Binary XML file line #12: Error inflating class fragment问题解决
- 解决OX10.11.4 不能授权的问题
- Laravel框架 mysql 数据库 —— 基本使用
- Hibernate总结（二）
- ActionLink()与jquery更好地结合建造MVC网页：
- 颜色rgb
- [Java] Tcp/udp 简单通信
- TObject简要说明-对象的创建流程
- wampserver使用过程中遇到的问题及相关配置
- 用Python解答百度测试开发算法面试题
- Python 日志处理（二） 使用正则表达式处理Nginx 日志
- js 学习之路10：try异常处理和第一个js小程序
- Linux和Uboot下eMMC boot分区读写
- Angular2+URL中的 # 引发的思考
- vue2-通过axios实现数据请求
- openXML写Excel列组合
- java中获取request与response对象的方法
- JAVA和JAVAC 命令行
- 配置samba 服务器 共享Linux目录