logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

K近邻算法——简单分类实现

定义:在特征空间中,如果一个样本附近的 k个 最近( 即特征空间中最邻近 )样本的大多数属于某一个类别,则该样本也属于这个类别。特点:没有模型的算法为了和其他算法统一,可以认为数据集就是模型本身( sklearn 就是参照这样的方式设计的 )通过查看周边最多的分类, 从而决定数据最终情况的算法。代码编辑步骤:获取数据集训练输入新的样本预测直接享用代码吧:import numpy as npimpo

#近邻算法#算法#分类
线性回归——简单介绍与使用

定义:利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之前关系进行建模的一种分析方式。特点:只有一个自变量的情况称为:单变量回归;多余一个自变量的情况称为:多元回归。原理:每条数据有n个特征,每个特征对应着自己的权重值,与权重的乘积再加上一个偏置值,这个就是线性回归模型。'''逻辑步骤:1、获取数据集2、数据基本处理3、特征工程4、机器学习5、模型评估'''from sklear

#线性回归#回归#算法
OpenCV小案例——批量图片合成为视频

# 将某个文件夹下面的图片转化为一个视频def png_to_video(dir_path):fps = 8size = (378, 512)video = cv2.VideoWriter("/Users/guojun/Desktop/video_test/film_frame.mp4", cv2.VideoWriter_fourcc(*'h264'), fps,size, True)for i

#opencv#音视频#计算机视觉
线性回归——简单介绍与使用

定义:利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之前关系进行建模的一种分析方式。特点:只有一个自变量的情况称为:单变量回归;多余一个自变量的情况称为:多元回归。原理:每条数据有n个特征,每个特征对应着自己的权重值,与权重的乘积再加上一个偏置值,这个就是线性回归模型。'''逻辑步骤:1、获取数据集2、数据基本处理3、特征工程4、机器学习5、模型评估'''from sklear

#线性回归#回归#算法
到底了