MRS的博客

K阶近邻算法 概念: 谷近邻算法采用测量不同特征值之间的距离方法进行分类 工作原理: k-近邻算法(kNN),它的工作原理是:存在一个样本数据集合,也称作训练集样本集,并且样本集中每个数据都存在标签,集我们知道样本集中每一个数据与所属分类的对应关系.输入没有的标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本中特征醉相似数据(最近邻)的分类标签.一般来...

#导入需要用的工具包 import numpy as np import pandas as pd #1.先创建一个时间索引，所谓的索引（index)就是每一行数据的id，可以标识每一行的唯一值# dates=pd.date_range('20180701',periods=6) dates #2.创建一个6X4的数据：randn函数用于创建随机数，参数表示行数和列数，dates是...

1.脑图 2.基本模型 基本模型 类别 线性模型 线性回归、logistic 回归、SVM 集成学习模型 （随机森林、GBDT） 数据预处理 数据清洗、特征工程、降维、聚类 3.机器学习分类 分类 类别 监督学习(Supervised Learning) 分类(Classification)...

注：本篇文章旨在对机器学习处理流程进行梳理，不代表结果如何，只为熟悉实战过程，不够接下来的实例回对此实例问题进行修正 此实例存在问题： 1）normalize是标准化，另外你这里分别对训练和测试数据标准化是有问题的。分别处理会导致数据分布变得不一样。 2）数据特征工程做的少，类别型特征没有处理。 3）模型跑出来之后，完全没有结果的解析 1.项目名称： 某自行车数...