2023学年完整公开课版算法流程_第1页
2023学年完整公开课版算法流程_第2页
2023学年完整公开课版算法流程_第3页
2023学年完整公开课版算法流程_第4页
2023学年完整公开课版算法流程_第5页
已阅读5页，还剩4页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

数据挖掘技术与应用计算步骤：算距离：给定测试对象，计算它与训练集中的每个对象的距离找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻做分类：根据这k个近邻归属的主要类别，来对测试对象分类懒惰算法平时不好好学习，考试（对测试样本分类）时才临阵磨枪（临时去找k个近邻）。懒惰的后果：模型简单，计算开销大。kNN（k-NearestNeighborClassification）距离越近应该意味着这两个点属于一个分类的可能性越大。计算的距离衡量包括欧式距离、夹角余弦等。欧式距离：kNN（k-NearestNeighborClassification）1.算距离平面上有100个点，求任意2点间的欧式距离，并将其保存。kNN（k-NearestNeighborClassification）1.算距离

1234567891

2

3

4

5

6

7

8

9

kNN（k-NearestNeighborClassification）典型的距离定义由哪几个（K）已知样本决定测试样本类别？kNN（k-NearestNeighborClassification）2.找邻居投票决定：少数服从多数；加权投票法：根据距离的远近，距离越近则权重越大（权重为距离平方的倒数）。kNN（k-NearestNeighborClassification）3.做分类计算已知类别数据集中的点与当前点之间的距离；按照距离递增次序排序；选取与当前点距离最小的k个点；确定前k个点所在类别对应的出现频率；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。kN

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论