机器学习算法应用·KNN算法 一、问题描述 验证码目前在互联网上非常常见，从学校的教务系统到12306购票系统，充当着防火墙的功能。但是随着OCR技术的发展，验证码暴露出的安全问题越来越严峻。目前对验证码的识别已经有了许多方法，例如CNN，可以直接输入图片进行识别。验证码分为许多种类，本文以传统的字 ...
分类：
编程语言 时间：
2018-07-11 01:07:42
阅读次数：
242
原理 KNN算法，又叫K近邻算法。就是在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类，其算法的描述为： 1）计算测试数据与各个训练数据之间的距离； 2） ...
分类：
编程语言 时间：
2018-07-06 23:29:00
阅读次数：
208
KNN 算法介绍： 缺点： 对一个算法的掌握无非知其然，也知其所以然 使用scikit中的KNN： 自己实现KNN 分类器: 调用： 超参数和模型参数： 如何寻找好的超参数 明可夫斯基距离 当p的值为1时，则是曼哈顿距离，当p为2时则是欧拉距离 数据归一化： 测试数据归一化 使用StandardSc ...
分类：
其他好文 时间：
2018-07-06 01:32:46
阅读次数：
236
本篇博客是基于以Kaggle中手写数字识别实战为目标，以KNN算法学习为驱动导向来进行讲解。 1. 写这篇博客的原因 2. 什么是KNN 3. 对KNN的分析 4. kaggle实战 5. 优缺点及其优化方法 6. 总结 7. 参考文献 写这篇博客的原因 机器学习在人工智能领域十分的火爆，但是很多人 ...
分类：
编程语言 时间：
2018-06-30 12:40:33
阅读次数：
193
kNN算法，找出距离最近的k个，label出现次数最多的 ...
分类：
其他好文 时间：
2018-06-26 11:13:22
阅读次数：
166
Scikit-learn是个简单高效的数据分析工具，它其中封装了大量的机器学习算法，内置了大量的公开数据集，并且拥有完善的文档。1用KNN算法实现鸢尾花的分类鸢尾花是在模式识别文献中最有名的数据库。数据集包含3个类，每类有50个实例，每个类指向一种类型的鸢尾花。一类与另外两类线性分离，而后者不能彼此线性分离。鸢尾花数据集特征:属性数量:4(数值型，数值型，帮助预测的属性和类)属性信息:sepall
分类：
其他好文 时间：
2018-06-25 15:02:29
阅读次数：
184
一 、超参数和模型参数 超参数：在算法运行前需要决定的参数 模型参数：算法运行过程中学习的参数 - kNN算法没有模型参数- kNN算法中的k是典型的超参数 寻找好的超参数 领域知识 经验数值 实验搜索 二、通过sklearn中的数据集进行测试 输出结果：0.9888888888888889 三、考 ...
分类：
其他好文 时间：
2018-06-07 14:03:56
阅读次数：
212
摘自 章华燕 思想：对于任意的 n 维输入向量，其对应于特征空间一个点，输出为该特征向量所对应的类别标签或者预测值。 它实际上的工作原理是利用训练数据对特征向量空间进行划分，并将其划分的结果作为其最终的算法模型。 分类算法 KNN 分类算法的分类预测过程十分的简单和容易理解：对于一个需要预测的输入向 ...
分类：
编程语言 时间：
2018-06-05 00:45:08
阅读次数：
212
算法简介 KNN算法原理是：存在一个样本数据集合（训练样本集），并且样本集合中每个数据都已知该数据的分类。当输入没有标签的新数据时，我们将新数据的特征与已知样本集合进行逐个比较，提取K个最相近的数据的标签，标签最多的即为新数据的标签，完成分类计算。此处我们根据欧式距离进行抽象计算。 ...
分类：
编程语言 时间：
2018-05-27 19:37:53
阅读次数：
203
一、评测标准 模型的测评标准：分类的准确度（accuracy）； 预测准确度 = 预测成功的样本个数/预测数据集样本总数 二、超参数 超参数：运行机器学习算法前需要指定的参数； kNN算法中的超参数：k、weights、P； 一般超参数之间也相互影响； 调参，就是调超参数； 1）问题 # 以kNN算 ...
分类：
其他好文 时间：
2018-05-24 22:21:49
阅读次数：
861
