关于分类算法我们之前也讨论过了KNN、决策树、naivebayes、SVM、ANN、logistic回归。关于这么多的分类算法，我们自然需要考虑谁的表现更加的优秀。 既然要对分类算法进行评价，那么我们自然得有评价依据。到目前为止，我们讨论分类的有效性都是基于分类成功率来说的，但是这个指标科学吗...
分类：
编程语言 时间：
2015-02-09 12:45:01
阅读次数：
288
朴素贝叶斯（Normal Bayes）适用于离散型特征的分类问题。相比于KNN的纯暴力，决策树的降维以求减少比较次数的优化，NB的优势在于，训练完成之后，分类测试的效率非常高。设样本数为n，分类数据为mKNN没有训练过程，需要分类的时候，即时确定分类。总复杂度O（mn^2)决策树虽然有训练过程，但是...
分类：
其他好文 时间：
2015-02-02 01:54:16
阅读次数：
229
机器学习与智能优化
机器学习与智能优化 之 KNN
OpenCV KNN 之 使用方法
机器学习与智能优化 之 学习有道
机器学习与智能优化 之 线性模型
机器学习与智能计算 之 最小二乘法
机器学习与智能优化 之 规则、决策树和森林
OpenCV 决策树 之 理论准备
OpenCV 决策树 之 使用方法...
分类：
其他好文 时间：
2015-02-01 12:07:32
阅读次数：
178
机器学习中常常要用到分类算法，在诸多的分类算法中有一种算法名为k-近邻算法，也称为kNN算法。
一、kNN算法的工作原理
二、适用情况
三、算法实例及讲解
---1.收集数据
---2.准备数据
---3.设计算法分析数据
---4.测试算法
一、kNN算法的工作原理
官方解释：存在一个样本数据集，也称作训练样本集，并且样本中每个数据都存在标签，即我们知道样...
分类：
编程语言 时间：
2015-01-26 15:11:47
阅读次数：
304
机器学习中常常要用到分类算法，在诸多的分类算法中有一种算法名为k-近邻算法，也称为kNN算法。一、kNN算法的工作原理二、适用情况三、算法实例及讲解 ---1.收集数据 ---2.准备数据 ---3.设计算法分析数据 ---4.测试算法一、kNN算法的工作原理官方解释：存在一个样本数据集，也...
分类：
编程语言 时间：
2015-01-26 14:54:34
阅读次数：
267
1 ################################################## 2 # kNN : k Nearest Neighbour 3 # Author : Monne 4 # Date : 2015-01-24 5 # Email : 41660663...
分类：
编程语言 时间：
2015-01-24 22:35:49
阅读次数：
176
本文是stanford大学课程：Convolutional Neural Networks for Visual Recognition 的一些笔记与第一次作业。主要内容为简单（多类）分类器的实现：KNN, SVM, softmax。softmax与SVM的一点区别，其中一张PPT说明：KNN部分框...
分类：
编程语言 时间：
2015-01-18 02:01:23
阅读次数：
1137
Python实现KNN算法
KNN算法的实际用处很多，主要用于分类阶段，是一个基础的分类算法。KNN主要基于距离的计算，一般可以在原始的欧氏空间中计算样本之间的距离。改进版本有：先特征提取到一个更加鉴别的空间中，然后计算距离；或者先使用metric learning度量学习的技术来获得一个鉴别的度量空间，然后计算样本间的马氏距离。
不管怎么说，KNN在很多算法的分类阶段都可以用到，我们这里用python实现KNN。...
分类：
编程语言 时间：
2015-01-16 19:19:41
阅读次数：
233
国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, N...
分类：
编程语言 时间：
2015-01-13 01:22:53
阅读次数：
246
国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, N...
分类：
编程语言 时间：
2015-01-12 20:41:20
阅读次数：
207
