AugustMoore的博客

KNN即k近邻算法 k nearest neighbors algorithm.knn算法是以离预测点距离最近的k个点中类别中最多的元素作为预测结果。特点是不需要训练。因此算法简单。 基本要素： 1.k值的选择 2.距离的度量 3.分类决策原则 k值的选择 是knn算法中的一个超参数，也就是在模型建立前需要指定的参数。k值大，会导致近似误差过大，而k过小，则会过拟合。   距离的度...

1.导入数据集2.编写算法3.将数据集划分为训练集和测试集4.训练模型5.预测6.误差分析，寻找最优参数

  # np.argsort(a) 和a.sort()的区别 # np模块有两个排序np.argsort(a),a.sort(), # list中有a.sort(),sorted(a) # 特点，np.argsort(a),结果是输出索引，a本身是不变的，这是优点。a.sort()是从小到大排序 # 输出排序后的a，也就是说排序过程改变a,这是特点。 # sorted(a)等价与a.sort()...

讨论最简单情况：      以神经网络为例：      假设在softmax层，输入的数据是N维的一维数组，输出结果是多分类的各个概率，假设为C类。 --1. input: x --> import data with dimension N, can be writen as ,  in neural network, means the last hidden layer outp...

from PIL import Image import numpy as np import torch import torchvision.transforms as T 1.From Tensor to Numpy: >>> a=torch.Tensor([[1,2],[3,2]]) >>> a tensor([[1., 2.], ...