树树（英语：tree）是一种抽象数据类型（ADT）或是实作这种抽象数据类型的数据结构，用来模拟具有树状结构性质的数据集合。它是由n（n>=1）个有限节点组成一个具有层次关系的集合。把它叫做“树”是因为它看起来像一棵倒挂的树，也就是说它是根朝上，而叶朝下的。树的术语节点的度：一个节点含有的子树的个数称为该节点的度；树的度：一棵树中，最大的节点的度称为树的度；叶节点或终端节点：度为零的节点；父亲
转载
2024-07-17 23:02:27
132阅读
一、K近邻算法简介：K最近邻(k-Nearest Neighbour，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。用官方的话来说，所谓K近邻算法，即是给定一个训练数据集，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(也就是上
转载
2023-12-12 16:03:00
76阅读
摘要：K近邻算法是一种自动判别测试数据类型的算法，它是基于数据集的特征来进行分类，并不需要计算出数据预测模型，属于惰性算法。算法介绍：简单来说就是将测试数据与不用类别之间向量距离进行计算来进行分类优点：精度高，异常值不敏感没有数据输入的假定缺点：计算复杂度高，空间复杂度高适用类型：数值型和标称型算法过程：存在一个样本的数据集合，同时数据集合带有标签。就是知道测试数据集合和所属的类别对应关系。输入没
转载
2024-07-18 14:14:44
22阅读
Kmeans和KNN（K近邻）算法是聚类cluster中经典的算法，两者既有类似性也存在不同点。两个算法的缺点：无法自行自动确定样本分类数量，需要先验知识！K-means是无监督学习，而KNN（K近邻）是监督学习，需要样本标注！Kmeans算法的思想：随机给出数据的k个类的初始点，然后遍历所有的数据点，样本到各个初始点的距离（欧拉或者曼哈顿距离），距离最小的则将该样本归为当前初始点相同类，直到遍历
转载
2024-06-07 14:18:24
47阅读
1.k-近邻法简介1.1 k-近邻法简介存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最
转载
2023-10-18 21:24:33
159阅读
KNN算法的定义： KNN通过测量不同样本的特征值之间的距离进行分类。它的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻
转载
2021-07-23 13:52:24
212阅读
k近邻算法k近邻法是一种基本分类与回归方法k近邻法输入为实例的特征向量，对应于特征空间的点；输出为实例的类别，可以取多类（与感知机不同的点之一）。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。算法的基本步骤如下：1）计算已知类别数据集中的点与当前点之间的距离；2）按照距离递增次序排序；3）选取与当前点距离最小的k个点；4）确定前k个点所在类别的出现频率；5）返回
转载
2023-07-21 16:00:48
88阅读
因为自己的好奇心，所以做了这一篇关于KNN 算法的笔记。 文章目录一、简介二、KNN算法实现2.1实现步骤2.2代码实现三、相关测试四、小结 一、简介K-近邻算法是一种常用的监督学习的方法，其与K-Means算法有点类似，其原理是：在给定的样本数据中，基于某种距离(欧式距离或马氏距离等等)找出与当前样本数据距离最近的K个样本数据，然后再基于这K个“邻居”的信息来进行预测。这个算法在生活中应用的其实
转载
2023-07-17 17:15:16
103阅读
详解定位与定位应用 (2007-04-03 08:41:04)转载▼ 定位一直是WEB标准应用中的难点，如果理不清楚定位那么可能应实现的效果实现不了，实现了的效果可能会走样。如果理清了定位的原理，那定位会让网页实现的更加完美。 定位的定义： &nbs
转载
2024-10-31 10:06:46
9阅读
引言消消乐（也称为“消除游戏”）是一种简单且富有趣味性的休闲游戏，玩家通过匹配三个或更多相同的图案来消除它们。随着移动设备的普及，这种类型的游戏越来越受到欢迎。本文将详细介绍如何用Python实现一个基础的消消乐游戏。1. 项目概述在这个项目中，我们将创建一个简单的消消乐游戏，具备以下功能：创建游戏界面生成随机的方块（不同颜色或图案）处理玩家的点击事件实现消除逻辑进行分数计算提供重玩功能2. 技术
原创
精选
2024-10-14 13:23:17
596阅读
1. 写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则, PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也听过一些机器学习的课程，但总感觉话语里比较深奥，读起来没有耐心
用C语言实现yield C/C++中没有yield语法，有的时候想用产生器，自己实现一个循环会感觉很麻烦。C/C++应该如何实现产生器呢？ class FibonacciGenerator { public: FibonacciGenerator() : a(0), b(0), state(0) {
转载
2017-07-22 13:22:00
342阅读
# 用R语言实现Box-Cox变换的一步步指导
Box-Cox变换是一种常用的数值数据变换方法，旨在使数据遵循正态分布，可以在回归分析和其他统计建模中提高分析的效果。对于刚入行的小白来说，理解Box-Cox变换及其实现步骤是非常重要的。本文将详细介绍如何用R语言实现Box-Cox变换，包括整个流程和具体代码。
## Box-Cox变换流程
以下是实现Box-Cox变换的基本流程：
| 步骤
将R的极客理想（工具篇）一书，利用caTools包绘制圆形的代码整理解释如下： 当时不懂第四步的公式，提问在这里：对于for(i in 1:10) image[,,i] = cos(r-(2*pi)*i/10)/(r**0.25)分析如下：如果image[,,1:10]只填入cos(r)，而不涉及*i/10，则image为十张一模一样的图片；如果cos(r-i);cos(r-i
转载
2023-10-26 22:52:11
58阅读
K近邻（KNN）：分类算法* KNN是non-parametric分类器（不做分布形式的假设，直接从数据估计概率密度），是memory-based learning.* KNN不适用于高维数据（curse of dimension）* Machine Learning的Python库很多，比如mlpy（更多packages），这里实现只是为了掌握方法* MATLAB 中的调用，见
转载
2016-04-05 13:41:00
129阅读
2评论
必要的注释已经写在code里面了；
原创
2022-05-27 20:41:19
197阅读
使用C写Python的模块 概述引入 Python.h 头文件编写包装函数处理从 Python 传入的参数实现逻辑功能处理 C 中的返回值注册函数注册模块编译 原文发于2010年11月。1. 概述 Python 可以非常方便地和 C 进行相互的调用。 一般，我们不会使用 C 去直接编写一个 Python 的模块。通常的情景是，我们需要把 C 的相关模块包装一下，然后在 Python 中可以直接
转载
2024-06-16 11:02:15
63阅读
内容主要来源于机器学习实战这本书。加上自己的理解。 1.KNN算法的简单描写叙述 K近期邻（k-Nearest Neighbor。KNN）分类算法能够说是最简单的机器学习算法了。它採用測量不同特征值之间的距离方法进行分类。它的思想非常easy：假设一个样本在特征空间中的k个最相似（即特征空间中最邻近
转载
2016-02-25 09:54:00
268阅读
2评论
k-近邻算法 python实现
必要的注释以及写在code里面了；
import operator
from numpy import*
def init():
grp=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
lab=['A','A','B','B']
ret...
原创
2023-04-25 08:49:34
70阅读
简介K近邻法（knn）是一种基本的分类与回归方法。k-means是一种简单而有效的聚类方法。虽然两者用途不同、解决的问题不同，但是在算法上有很多相似性，于是将二者放在一起，这样能够更好地对比二者的异同。算法描述knn算法思路：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)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。k近邻模型的三个基本要素：k值的选择：k值的选择会对结果产生
转载
2023-11-23 12:56:23
87阅读
