ggbooo的博客

分类问题我们通常损失函数衡量模型模型预测的好坏损失函数就是用来表现预测与实际数据的差距程度回归问题回归问题所对应的损失函数为L1损失函数和L2损失函数，二者度量了模型估计值与观测值之间的差异：对于回归问题我们也可以用mse，mae，rmse等评价指标来衡量模型的好坏分类问题...

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、关于几种距离1.欧拉距离2.曼哈顿距离3.明可夫斯基距离二、手动实现KNN1.建立数据集2.计算离预测点前K近的点3.根据占比预测总结一下KNN的优缺点：三、sklearn中的KNN1.参数介绍：2.预测鸢尾花数据集3.预测手写数字集前言回头来整理一下KNN算法的内容，简单来讲KNN算法是一种与距离有关的算法，是机器学习中的一种基于监督学习的一种方法。接下来我们先介绍几种距离的相关概念，然后手动用代码实现KNN，最后.

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、k-means主要步骤二.数据集三、不使用PCA降维1.读入数据2.找簇心3.训练以及评估4.完整代码三、使用PCA降维完整代码对比结果前言本篇文章是主要讲述利用sklearn库中的Kmeans方法进行分类，对于k-means算法的原理不做过多介绍一、k-means主要步骤step1：选定要聚类的类别数目k（如上例的k=3类），选择k个中心点。step2：针对每个样本点，找到距离其最近的中心点（寻找组.