K-Means介绍 K-means算法是聚类分析中使用最广泛的算法之中的一个。它把n个对象依据他们的属性分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。其聚类过程能够用下图表示： 如图所看到的。数据样本用圆点表示，每一个簇的中心点用叉叉表示。(a)刚開 ...
分类：
编程语言 时间：
2017-07-22 21:08:00
阅读次数：
315
最近刚注册了kaggle账号，练习了下简单的knn算法用于手写数字识别。下载的训练和测试文本都是使用csv文件存储的，所以在此重拾下csv模块。 csv文件 csv文件 csv全称（Comma-Separated Values）是一种格式化文件，也称为字符分割值。记录之间由换行符分割，每条记录由字段 ...
分类：
编程语言 时间：
2017-07-21 23:14:38
阅读次数：
368
需求： 利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别； 先验数据（训练数据）集： ?数据维度比较大，样本数比较多。 ? 数据集包括数字0-9的手写体。 ?每个数字大约有200个样本。 ?每个样本保持在一个txt文件中。 ?手写体图像本身的大小是32x32的二值图，转换到t ...
分类：
编程语言 时间：
2017-07-11 23:27:32
阅读次数：
444
k-d树（k-dimensional树的简称），是一种切割k维数据空间的数据结构。主要应用于多维空间重要数据的搜索（如：范围搜索和近期邻搜索）。 索引结构中相似性查询有两种主要的方式：一种是范围查询（range searches），还有一种是K近邻查询（K-neighbor searches）。范围 ...
分类：
编程语言 时间：
2017-07-06 14:29:08
阅读次数：
235
K近邻分类算法概述 K-近邻算法是机器学习之中最简单的分类算法之一，它采用测量不同特征值之间的距离方法进行分类。它的工作原理是：存在一个样本数量集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中 ...
分类：
编程语言 时间：
2017-06-17 15:17:02
阅读次数：
212
本文主要利用k-近邻分类器实现手写识别系统，训练数据集大约2000个样本，每个数字大约有200个样本，每个样本保存在一个txt文件中，手写体图像本身是32X32的二值图像，如下图所示： 手写数字识别系统的测试代码： from numpy import * import operator from o ...
分类：
编程语言 时间：
2017-06-17 10:17:40
阅读次数：
329
Python 算法伪码： 对未知类别属性的数据集中的每个点依次执行以下操作： 1）计算已知类别数据集中的点与当前点之间的距离； 2）按照距离递增次序排序； 3）选取与当前点距离最小的k个点； 4）确定前k个点所在类别的出现频率； 5）返回前k个点出现频率最高的类别作为当前点的预测分类。 欧氏距离计算 ...
分类：
编程语言 时间：
2017-06-16 14:23:20
阅读次数：
343
KNN算法全名为k-Nearest Neighbor，就是K最近邻的意思。 算法描述 KNN是一种分类算法，其基本思想是采用测量不同特征值之间的距离方法进行分类。 算法过程如下： 1、准备样本数据集（样本中每个数据都已经分好类，并具有分类标签）；2、使用样本数据进行训练；3、输入测试数据A；4、计算 ...
分类：
编程语言 时间：
2017-06-16 12:44:54
阅读次数：
236
利用sklearn中的神经网络进行数字识别。 先简单搬运占坑，暂时用不到。 如果使用knn算法 以后填。 ：） ...
分类：
其他好文 时间：
2017-06-03 16:11:24
阅读次数：
320
如何理解面向对象？什么是面向对象，面向对象其实就是一种设计模型。不用理解太多，这里不是最重要。面向对象的基本特征如何理解？1）抽象：将相同事物抽象出来成为一种数据结构，或者是用类（面向对象），或者是用结构体（面向过程）比如KNN算法，求解测试样本的k个邻接点，这..
分类：
其他好文 时间：
2017-05-31 15:31:44
阅读次数：
104
