dfd4578575的博客

1.svm二分类2.svm多分类（一对多）训练时依次把某个类别的样本归为一类,其他剩余的样本归为另一类，这样k个类别的样本就构造出了k个SVM。分类时将未知样本分类为具有最大分类函数值的那类。model.predict(x) 预测是类别的label值。model.decision_function(x) 返回的是样本到超平面的距离。3.svm多分类（一对一）其做法是在任意两类样...

KNN (K近邻)算法思想：利用在样本空间上，相似样本是集中在同一个区域的，并且相似样本具有相同的特征信息，也就是认为相似样本是具有相同的类别或者相同的预测值y；利用这种特性，从训练数据中找出和当前待预测样本比较相似的K个样本，使用这K个样本产生预测值；伪代码：1.计算测试数据与各个训练数据之间的距离；2.按照距离的递增关系进行排序；3.选取距离最小的K个点；4.确定前K个点所在类别...

K-means算法思想：通过迭代的方式，让每次簇中心的选择都是让样本数据到簇中心点的距离最小化的一个过程，直到簇中心点不再变化。伪代码：1.初始化K个簇中心；2.更新所有样本点簇归属：样本点到哪个簇中心点最近就属于哪个簇；3.重新计算每个簇的中心点(直到簇中心点不再变化或达到更新最大次数)；...