机器学习算法 01 —— K-近邻算法(数据集划分、归一化、标准化)

机器学习算法 01 —— K-近邻算法(数据集划分、归一化、标准化)文章目录 系列文章 K 近邻算法 1 什么是 K 近邻算法 1 1 K 近邻算法 KNN 概念 1 2 举例说明 K 近邻算法 1 3 K 近邻算法流程总结 2 K 近邻算法 API 初步使用 2 1 Scikit learn 工具介绍 2 2 K 近邻算法 API 3 距离公式 3 1 距离公式基本性质 3 2 常见的距离公式 欧式距离 Euclidean Distance

大家好,我是讯享网,很高兴认识大家。


讯享网

文章目录

  • 系列文章
  • K-近邻算法
  • 1 什么是K-近邻算法
    • 1.1 K-近邻算法(KNN)概念
    • 1.2 举例说明K-近邻算法
    • 1.3 K-近邻算法流程总结
  • 2 K-近邻算法API初步使用
    • 2.1 Scikit-learn工具介绍
    • 2.2 K-近邻算法API
  • 3 距离公式
    • 3.1 距离公式基本性质
    • 3.2 常见的距离公式
      • 欧式距离(Euclidean Distance)
      • 曼哈顿距离(Manhattan Distance)
      • 切⽐雪夫距离 (Chebyshev Distance)
      • 闵可夫斯基距离(Minkowski Distance)
    • 3.3 “连续属性”和“离散属性”的距离计算
  • 4 K值的选取
  • 5 KD树
    • 5.1 KD树介绍
    • 5.2 KD树案例
      • 树的建立
      • 最近邻域搜索
  • 6 鸢尾花种类预测案例
    • 6.1 数据集介绍
      • 加载数据集
      • 数据集可视化
      • 数据集划分
    • 6.2 特征预处理
      • 什么是特征预处理
      • 为什么要特征预处理
      • 归一化
      • 标准化
      • 预处理的API—fit、fit_transform和transform的区别
    • 6.3 流程实现
  • 7 K-近邻算法优缺点
  • 8 模型调优—交叉验证与网格搜索
  • 9 实战案例:预测FaceBook签到位置
小讯
上一篇 2025-03-18 16:29
下一篇 2025-01-09 19:16

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/114075.html