
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
机器学习:监督学习K近邻算法
邻居个数(3到5个)与数据点之间距离的度量方法(默认使用欧式距离)K-NN算法的优点之一构建模型简单不需要过多调节就可以获得很不错的性能。但是当训练集数量很大时预测速度会很慢。当数据集有很多特征时效果也往往不好,对于稀疏数据集(大多数的数据是缺失值或零值)来说,KNN算法尤其不好。注:本人理解与学习笔记参考《机器学习基础教程》
到底了

该用户还未填写简介
暂无可提供的服务
邻居个数(3到5个)与数据点之间距离的度量方法(默认使用欧式距离)K-NN算法的优点之一构建模型简单不需要过多调节就可以获得很不错的性能。但是当训练集数量很大时预测速度会很慢。当数据集有很多特征时效果也往往不好,对于稀疏数据集(大多数的数据是缺失值或零值)来说,KNN算法尤其不好。注:本人理解与学习笔记参考《机器学习基础教程》