K近邻和朴素贝叶斯算法

最新推荐文章于 2022-04-15 19:35:58 发布

lijingmaocs1

最新推荐文章于 2022-04-15 19:35:58 发布

阅读量163

点赞数

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/lijingmaocs1/article/details/105129181

在这里插入图片描述

KNN

在这里插入图片描述

案例预测用户入住位置

在这里插入图片描述

构造日期特征

在这里插入图片描述

删除签到数量少的样本

在这里插入图片描述

划分训练集、测试集

在这里插入图片描述

建立模型

在这里插入图片描述

标准化

在这里插入图片描述

第二次标准化的时候直接用transform就行，不用重新fit(要重新计算均值、标准差)

在这里插入图片描述

在这里插入图片描述

朴素贝叶斯

在这里插入图片描述

参数α：为了防止概率为0

在这里插入图片描述

案例

在这里插入图片描述

模型评估

在这里插入图片描述

一般常用召回率

在这里插入图片描述

F1越高越好

在这里插入图片描述

模型选择与调优

在这里插入图片描述

在这里插入图片描述

交叉验证与网格搜索往往一起使用

在这里插入图片描述

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。