机器学习：K-近邻算法（KNN）一、KNN算法概述
KNN作为一种有监督分类算法，是最简单的机器学习算法之一，顾名思义，其算法主体思想就是根据距离相近的邻居类别，来判定自己的所属类别。算法的前提是需要有一个已被标记类别的训练数据集，具体的计算步骤分为一下三步：
1、计算测试对象与训练集中所有对象的距离，可以是欧式距离、余弦距离等，比较常用的是较为简单的欧式距离；
k-最近邻算法基础理论欧式距离（Euclidean distance）曼哈顿距离（Manhattan distance）代码实例 在学习深度和图像识别的时候，看见了一个比较有意思的算法——KNN算法，该算法是图像分类中最简单的算法之一。基础理论 KNN算法全称是K-最近邻算法，英文名称是K-NearestNeighbor，简称为KNN；从算法名称上，可以猜出，是找到最近的k个邻居，在选取到
转载
2024-03-29 13:28:45
146阅读
1 - 背景KNN：k近邻，表示基于k个最近的邻居的一种机器学习方法。该方法原理简单，构造方便。且是一个非参数化模型。 KNN是一个“懒学习”方法，也就是其本身没有训练过程。只有在对测试集进行结果预测的时候才会产生计算。KNN在训练阶段，只是简单的将训练集放入内存而已。该模型可以看成是对当前的特征空间进行一个划分。当对测试集进行结果预测时，先找到与该测试样本最接近的K个训练集样本，然后基于当前是
转载
2024-09-12 07:28:56
63阅读
Softmax say：1. svm， 就像是在河北和北京之间有一条边界线，如果一个人居住在北京一侧就预测为北京人，在河北一侧，就预测为河北人。但是住在河北的北京人和住在北京的河北人就会被误判。 knn，就是物以类聚，人以群分。如果你的朋友里大部分是北京人，就预测你也是北京人。如果你的朋友里大部分是河北人，那就预测你是河北人。不管你住哪里。 可惜
转载
2024-09-12 21:02:16
22阅读
1、KNN算法概论 kNN算法的核心思想是：如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 K 的一般取值有 3， 5， 7。2、KNN算法详解 &n
转载
2024-05-05 08:44:31
346阅读
翻译Swift 3.0编程语言 3-6章
3 字符及字符串字符串即一串字符, 比如"hello world". Swift 中的字符串使用 String 类型表示.Swift 中的 String 和 Character都是 Unicode 兼容的.而且 Swift 中的字符串可以用 + 进行连接. 而且字符串的可变性直接由字符串是常量还是变量来控制, 不
首先knn算法即（K- Nearest Neighbor），即K最邻近算法，是数据挖掘分类技术中最简单的方法之一了。knn算法的核心简单来说就是通过临近的原则，根据最近邻原则来进行一个分类。我们在在这里进行画图表示，我们可以看到在图一中k=3,在二维平面中距离绿色方块点为3以内的个体中三角为2个原为1个，因此我们可以将该点即方块视为三角。 但是如果k的取值发生改变，比如k=5。那么我们可
arcpy投影这一个专题从文件位置、文件含义、空间参照获取、转换关系查询、投影定义、自定义转换关系、投影变换这几个角度上系统的进行了介绍，整理出了：arcpy投影(一)——prj、gtf文件定义、路径及解析（arcmap,arcpro）arcpy投影(二)——基准面变换概念及参数、空间参考对象获取、变换关系获取方法梳理与解析（Spatial Reference、ListTransformation
转载
2023-12-27 10:56:04
186阅读
目录一、绘图函数中的参数（以plot为例1.'Color'2.'LineStyle'3. 'LineWidth'5.'MarkerIndices'6.'MarkerEdgeColor'7.'MarkerFaceColor'8.'MarkerSize'9.关于plot的输出二、查看与修改图像属性的函数1.get2.set(1)gcf(2)gca 一、绘图函数中的参数（以plot为例1.‘Color
转载
2024-04-09 01:16:28
100阅读
## 如何实现 PyTorch 模型参数合并设置
在深度学习开发中，有时我们需要将多个 PyTorch 模型的参数进行合并，以便进行迁移学习或是特定的优化方案。本文将带你一步一步实现这一功能，以下是整个流程概述。
### 流程概述
| 步骤 | 描述
机器学习基本概念简介：机器学习模型中的两类参数：
模型参数（Parameter）:
需要从数据中学习和估计得到，称为模型参数（Parameter）—即模型本身的参数。比如，线性回归直线的加权系数（斜率）及其偏差项（截距）都是模型参数.超参数（hyperparameter）：
机器学习算法中的调优参数（tuning parameters），需要人为设定，称为超参数（Hype
转载
2024-07-13 08:27:06
364阅读
近日，Facebook AI Research 开源了 Faster R-CNN 和 Mask R-CNN 的 PyTorch 1.0 实现基准：MaskRCNN-Benchmark。相比 Detectron 和 mmdetection，MaskRCNN-Benchmark 的性能相当，并拥有更快的训练速度和更低的 GPU 内存占用。 项目地址：https://git
转载
2024-10-11 12:45:42
221阅读
K Nearest Neighbor算法又叫KNN算法，是机器学习里面一个经典的算法。其中的K表示最接近自己的K个数据样本就，一般K取奇数，这是为了使投票的时候不会出现平票的情况。算法直观理解：有一个样本空间里的样本分成很几个类型，然后，给定一个待分类的数据，通过计算接近自己最近的K个样本来判断这个待分类数据属于哪个分类。简单理解：由那离自己
第一次尝试使用markdown 编辑器, 咔咔咔咔本篇博客记录之前做项目时使用自然语言处理方法LDA的一些方法，希望能够帮到大家。
文章目录1.LDA模型构造概述：2.提炼训练文本3.对文本通过停用词表后进行分词4.训练LDA模型5.对模型进行评价6.其他操作将停用词表打包为pkl格式通过LDA模型得到每条文本所属的类别
1.LDA模型构造概述：整体上来说分为以下几个步骤：提炼训练文本对文
转载
2024-03-19 13:01:07
172阅读
# -*- coding: UTF-8 -*-
# 这份文件的作用是作为一个示例，记录关于 LSTM 函数的各个参数的含义
import tensorflow as tf
import numpy as np
# 这里建立一个简单的模型演示 LSTM 层的特性
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.LS
转载
2024-01-30 01:31:49
539阅读
已经看了很久的word2vec，但是发现了很多不同版本的解释，再加上原始论文没有提到太多的细节，所以打算直接看一遍源码，一方面可以加深自己理解；另一方面，以后也可以做适当的改进！源码分析请参考本人github地址：https://github.com/liuwei1206/word2vecPytorch实现参考: https://github.com/liuwei1206/CNN_CBOW
转载
2024-07-15 15:11:30
545阅读
# PyTorch模型参数初始化
在深度学习中，模型参数的初始化对模型的训练效果和收敛速度具有重要影响。合适的初始化可以使得模型在训练初期阶段表现得更加稳定，减少梯度消失或梯度爆炸的风险。本文将详细介绍如何在PyTorch中为模型参数设置初值，并通过代码示例演示具体做法。
## 常见的初始化方法
在PyTorch中，常见的参数初始化方法包括：
1. **均匀分布初始化**：将参数设置为均匀
原创
2024-09-21 06:19:05
461阅读
# 深度学习模型的参数设置
## 简介
在深度学习领域，对模型的参数设置是非常重要的一部分。本文将介绍深度学习模型参数设置的流程和每一步需要做的事情，帮助初学者更好地理解和应用深度学习模型。
## 流程概述
下面是深度学习模型参数设置的流程表格：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 定义模型结构 |
| 2 | 初始化模型参数 |
| 3 | 选择损失函数
原创
2024-06-07 05:54:15
535阅读
setContentView(R.layout.activity_main);
WebView webView = (WebView) findViewById(R.id.webview);
webView.getSettings().setJavaScriptEnabled(true);
webView.setWebViewClient(new WebViewClient() {
@Overri
# Java启动时设置JVM参数的科普文章
## 引言
在Java的运行环境中，JVM（Java Virtual Machine）是一个至关重要的组成部分。JVM负责将Java字节码转换为机器码，从而使得Java程序能够在各种操作系统上运行。为了优化程序性能、管理内存以及进行调试等，我们可以在启动Java应用时设置若干JVM参数。本文将详细介绍如何在Java启动时设置JVM参数，并提供丰富的代
