k-nearest neighbors algorithm - Wikipedia

  • https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm
  • Not to be confused with k-means clustering.
  • In pattern recognition, the k-nearest neighbors algorithm (k-NN) is a non-parametric method used for classification and regression.[1] In both cases, the input consists of the k closest training examples in the feature space. The output depends on whether k-NN is used for classification or regression.
  • k-NN is a type of instance-based learning, or lazy learning, where the function is only approximated locally and all computation is deferred until classification. The k-NN algorithm is among the simplest of all machine learning algorithms.

学习笔记之scikit-learn - 浩然119 - 博客园

  • https://www.cnblogs.com/pegasus923/p/9997485.html
  • 1.6. Nearest Neighbors — scikit-learn 0.20.2 documentation
    • https://scikit-learn.org/stable/modules/neighbors.html#nearest-neighbors-classification

Machine Learning with Python: k-Nearest Neighbor Classifier in Python

  • https://www.python-course.eu/k_nearest_neighbor_classifier.php

Refining a k-Nearest-Neighbor classification

  • https://www3.nd.edu/~steve/computing_with_data/17_Refining_kNN/refining_knn.html

1.13. Feature selection — scikit-learn 0.20.2 documentation

  • https://scikit-learn.org/stable/modules/feature_selection.html

K近邻法(KNN)原理小结 - 刘建平Pinard - 博客园

  • http://www.cnblogs.com/pinard/p/6061661.html
  • 1. KNN算法三要素
  • 2. KNN算法蛮力实现
  • 3. KNN算法之KD树实现原理
  • 4. KNN算法之球树实现原理
  • 5. KNN算法的扩展
  • 6. KNN算法小结

scikit-learn K近邻法类库使用小结 - 刘建平Pinard - 博客园

  • https://www.cnblogs.com/pinard/p/6065607.html
  • 1. scikit-learn 中KNN相关的类库概述
  • 2. K近邻法和限定半径最近邻法类库参数小结
  • 3. 使用KNeighborsClassifier做分类的实例

特征工程之特征选择 - 刘建平Pinard - 博客园

  • https://www.cnblogs.com/pinard/p/9032759.html

特征工程之特征表达 - 刘建平Pinard - 博客园

  • https://www.cnblogs.com/pinard/p/9061549.html

特征工程之特征预处理 - 刘建平Pinard - 博客园

  • https://www.cnblogs.com/pinard/p/9093890.html

精确率与召回率,RoC曲线与PR曲线 - 刘建平Pinard - 博客园

  • https://www.cnblogs.com/pinard/p/5993450.html

k selection

  • 设定区间范围,e.g. [1, 25],测试所有k再比较结果

Feature selection

  • ablation study : removing some “feature” of the model or algorithm, and seeing how that affects performance.

    • 注意如果去掉一个feature之后结果并没有变化,不能说明这个feature没用,原因可能是:

      • conditionally independant of the given feature : 其他feature对结果的影响跟它一样
      • 不相关feature
  • test with specified features only
    • 注意一个feature有可能跟其他feature一起配合才对结果有positive impact
  • test with all combination of features
    • 最全面的方法是覆盖所有组合,但是费时
    • 折中的方法是从上面两种测试结果中选择出一个小范围有用的feature list,然后测试feature list,跟all features比较性能

学习笔记之k-nearest neighbors algorithm (k-NN)的更多相关文章

  1. [机器学习系列] k-近邻算法(K–nearest neighbors)

    C++ with Machine Learning -K–nearest neighbors 我本想写C++与人工智能,但是转念一想,人工智能范围太大了,我根本介绍不完也没能力介绍完,所以还是取了他的 ...

  2. 机器学习算法-K-NN的学习 /ML 算法 (K-NEAREST NEIGHBORS ALGORITHM TUTORIAL)

    1为什么我们需要KNN 现在为止,我们都知道机器学习模型可以做出预测通过学习以往可以获得的数据. 因为KNN基于特征相似性,所以我们可以使用KNN分类器做分类. 2KNN是什么? KNN K-近邻,是 ...

  3. 2 kNN-K-Nearest Neighbors algorithm k邻近算法(一)

    给定训练数据样本和标签,对于某测试的一个样本数据,选择距离其最近的k个训练样本,这k个训练样本中所属类别最多的类即为该测试样本的预测标签.简称kNN.通常k是不大于20的整数,这里的距离一般是欧式距离 ...

  4. 2 kNN-K-Nearest Neighbors algorithm k邻近算法(二)

    2.3 示例:手写识别系统 2.3 .1 准备数据:将图像转换为测试向量 训练样本:trainingDigits 2000个例子,每个数字大约200个样本 测试数据:testDigits 大约900个 ...

  5. [PyTorch 学习笔记] 3.1 模型创建步骤与 nn.Module

    本章代码:https://github.com/zhangxiann/PyTorch_Practice/blob/master/lesson3/module_containers.py 这篇文章来看下 ...

  6. 机器学习实战(Machine Learning in Action)学习笔记————02.k-邻近算法(KNN)

    机器学习实战(Machine Learning in Action)学习笔记————02.k-邻近算法(KNN) 关键字:邻近算法(kNN: k Nearest Neighbors).python.源 ...

  7. 学习笔记之scikit-learn

    scikit-learn: machine learning in Python — scikit-learn 0.20.0 documentation https://scikit-learn.or ...

  8. Machine Learning In Action 第二章学习笔记: kNN算法

    本文主要记录<Machine Learning In Action>中第二章的内容.书中以两个具体实例来介绍kNN(k nearest neighbors),分别是: 约会对象预测 手写数 ...

  9. 学习笔记——k近邻法

    对新的输入实例,在训练数据集中找到与该实例最邻近的\(k\)个实例,这\(k\)个实例的多数属于某个类,就把该输入实例分给这个类. \(k\) 近邻法(\(k\)-nearest neighbor, ...

随机推荐

  1. 《DSP using MATLAB》Problem 5.1

    恰逢清明,这几天是清明时节雪纷纷,断崖式降温:又回到了老家,儿时上蹿下跳的核桃树,远去的故乡,远去的时代…… 用到的公式: 这里只放前两个小题的计算过程,都比较简单,细心就行.代码如下: %% --- ...

  2. linux----别名

    经常一些命令太长,输入太麻烦,给该命令起个别名,直接执行,简单又方便. 1.查看别名 alias 2.编辑别名 vi ~/.brashrc 3.添加自己的别名 例如:重启网卡 alias netres ...

  3. 【Jmeter】插件

    一.插件管理 前提:很多时候,尤其是性能测试的时候,我们需要用到很多场景,需要得到一些参数值等等. 二.插件地址 URL : https://jmeter-plugins.org/downloads/ ...

  4. MySQL Memory--内存分配相关参数

    Seesion级的内存分配: max_threads(当前活跃连接数)* ( read_buffer_size(顺序读缓冲,提高顺序读效率) + read_rnd_buffer_size(随机读缓冲, ...

  5. centos7 用yum安装java8

    1.查看yum源中是否有相关套件yum -y list java* 2.上图中可以看到有两个自己想用的套件,经过试验发现用yum install java-1.8.0-openjdk 时最后 /usr ...

  6. java_架构与模式

    框架有哪些?C++语言的QT.MFC.gtk,Java语言的SSH,php语言的 smarty(MVC模式),python语言的django(MTV模式)等等设计模式有哪些?工厂模式.适配器模式.策略 ...

  7. spring中ApplicationContextAware接口描述

    项目中使用了大量的工厂类,采用了简单工厂模式: 通过该工厂类可以获取指定的处理器bean,这些处理器bean我们是从spring容器中获取的,如何获取,是通过实现ApplicationContextA ...

  8. node api 之:Error

    Node.js 中运行的应用程序一般会遇到以下四类错误: 标准的 JavaScript 错误: <EvalError> : 当调用 eval() 失败时抛出. <SyntaxErro ...

  9. requestAnimationFrame 知识点

    与setTimeout相比,requestAnimationFrame最大的优势是由系统来决定回调函数的执行时机.具体一点讲,如果屏幕刷新率是60Hz,那么回调函数就每16.7ms被执行一次,如果刷新 ...

  10. Redis环境安装

    Windows下: 到https://github.com/MicrosoftArchive/redis/releases下载: 下载完成后一步一步安装就行. 然后在安装一个可视化工具:https:/ ...