一、定义：将物理或抽象对象的集合分成由类似的对象组成的多个类的过程被称为聚类 二、距离：欧几里得度量（euclidean metric）也称欧氏距离 绝对值距离（manhattan） Lance距离（canberra） 定性变量距离（binary） 闵可夫斯基距离（minkowski） 三、使用函数 ...
分类：
其他好文 时间：
2021-04-24 13:31:05
阅读次数：
0
import numpy as np import nvector as nv # 基于 geopandas 取 postgis数据 sql = 'SELECT * FROM node_table' g_out = gpd.read_postgis(sql=sql, con=pgisCon, geo ...
分类：
其他好文 时间：
2021-03-17 14:58:34
阅读次数：
0
(目录) 欧式距离 欧式距离也称为欧几里得距离或者欧几里得度量，是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。在二维和三维空间中的欧式距离就是两点之间的距离。 二维： x = \(\sqrt{(x_2-x_1)^2+(y_2-y_1)^2}\) $（x_2,y_2）$到原点的欧式距 ...
分类：
其他好文 时间：
2021-01-25 10:51:37
阅读次数：
0
作者|KAUSHIK 编译|VK 来源|Analytics Vidhya 概述 学会用KNNImputer来填补数据中的缺失值 了解缺失值及其类型 介绍 scikit learn公司的KNNImputer是一种广泛使用的缺失值插补方法。它被广泛认为是传统插补技术的替代品。 在当今世界，数据是从许多来 ...
分类：
其他好文 时间：
2020-07-28 14:37:32
阅读次数：
98
计算两个矩阵的成对平方欧氏距离 (pairwise squared Euclidean distance) 在度量学习, 图像检索, 行人重识别等算法的性能评估中有着广泛的应用, 本文讲的是如何在 NumPy 对其进行高效的实现. ...
分类：
其他好文 时间：
2020-06-05 15:33:13
阅读次数：
65
1 简介 k近邻法的输入为实例的特征向量，对应于特征空间的点;输出为实例的类别，可以取多类。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k近邻法不具有显式的学习过程。k近邻法实际上利用训练数据集对一特征向 ...
分类：
编程语言 时间：
2020-04-27 11:22:04
阅读次数：
137
深度学习在广泛应用于目标检测、分类等计算机视觉任务中。但这些应用往往需要很大的计算量和能耗。例如处理一张图片分类，VGG-16需要做 150亿次计算，而YOLOv3需要执行390亿次计算。 这就带来一个问题，如何在低功耗的嵌入式系统或移动设备中部署深度学习呢？一种解决办法是将计算任务转移到云侧，但这 ...
分类：
其他好文 时间：
2020-03-31 20:43:28
阅读次数：
95
k NN k NN 是一种基本分类和回归方法。对新实例进行分类时，通过已经训练的数据求出 k 个最近实例，通过多数表决进行分类。故 k 邻近算法具有不显式的学习过程。 三个基本要素：k 值选择，距离度量，分类决策规则。 1. k 近邻算法 原理：给定一个训练集，对于新输入的实例，在训练集中找到与其相 ...
分类：
编程语言 时间：
2020-03-28 10:33:21
阅读次数：
85
高斯分布1 概览 一元高斯分布： $$ N(x|\mu,\sigma^2)=\frac{1}{\sqrt{2\pi\sigma^2}}\exp( \frac{(x \mu)^2}{2\sigma^2}) $$ 对于D维向量$\boldsymbol x$，多元高斯分布为： $$ N(\boldsymb ...
分类：
其他好文 时间：
2020-02-16 20:29:26
阅读次数：
90
