<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[SkewedMCC的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/SkewedMCC</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; SkewedMCC]]></copyright><item><title><![CDATA[入门机器学习笔记（二）kNN - k近邻学习]]></title><link>https://blog.youkuaiyun.com/SkewedMCC/article/details/113811146</link><guid>https://blog.youkuaiyun.com/SkewedMCC/article/details/113811146</guid><author>SkewedMCC</author><pubDate>Mon, 15 Feb 2021 16:53:46 +0800</pubDate><description><![CDATA[（二）k近邻学习基本描述
基本描述
描述： k近邻（kNN）学习是一种常见的监督学习算法
工作机制
给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个 “邻居” 的信息来进行预测
通常，在分类任务中，可以使用 “投票法” ，即选择k个样本的实值输出标记的平均值作为预测结果；
还可以基于距离的远近进行加权平均或加权投票，即距离越近的样本权重越大
惰性学习： 即此类学习技术在训练阶段仅仅是把样本保存起来，训练时间开销为零，待收到测试样本后再进行处理
优点： 天然的可以解决多分类问]]></description><category></category></item><item><title><![CDATA[入门机器学习笔记（一）模型评估与选择]]></title><link>https://blog.youkuaiyun.com/SkewedMCC/article/details/113810671</link><guid>https://blog.youkuaiyun.com/SkewedMCC/article/details/113810671</guid><author>SkewedMCC</author><pubDate>Sun, 14 Feb 2021 20:56:03 +0800</pubDate><description><![CDATA[机器学习（一）模型评估与选择一：机器学习算法分类1.1  经验误差与过拟合1.2  评估方法1.3  性能度量（performance measure）
一：机器学习算法分类
1.1  经验误差与过拟合
错误率（error rate）： 分类错误的样本数占样本总数的比例。
精度（accuracy）： 1 - 错误率
误差（error）： 学习器的实际预测输出与样本的真实输出之间的差异称为误差。
训练误差（training error） / 经验误差（empirical error）： 学习器在训练集上的误差]]></description><category></category></item></channel></rss>