a793620101的博客

一个简单的线性回归的例子，可以可视化回归过程import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltN=500y_point=[]x_point=[]a=0.22b=0.62for i in range(N): x=np.random.normal(0.0,0.5) y=a*x+b+n

knn算法介绍knn算法是机器学习中最简单的算法。其原理类似于古语“近朱者赤近墨者黑”,即同类物体的差异性小，异类差异性大，而这种差异往往是用“距离”表示。“距离”的度量一般采用欧氏距离。 算法思路 1.计算待分类的样本和样本空间中已标记的样本的欧氏距离。（如图中绿点为待分类样本，要计算绿点与图中所有点的距离） 2.取距离最短的k个点，k个点进行投票，票数最多的类为待测样本的类。（若k为3，则