lyq7269的博客

线性回归梯度下降理论概述在之前KNN算法中我们涉及到了权重的问题，在线性回归梯度下降的算法中，就是通过先规定0的权重，带入式子中，计算出损失值，通过公式计算出新的权重，如此反复迭代，找出最适合的步长，得出最接近真实值得权重，从而进行预测。数据准备链接：练习数据提取码：lyq6代码演示导入jar包读取数据集import numpy as npimport pandas as pddata = pd.read_csv("boston.csv")# 显示数据详细信息data.info()

K-means聚类算法K-means聚类算法也称k均值聚类算法，时集简单和经典于一身的基于距离的聚类算法。它采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。该算法认为类族是由距离靠近的对象组成的，取中心点作为质心，把靠近质心的归为一类。K-means核心思想K-means聚类算法是一种迭代求解的过程，是一种自学习算法，其步骤是先设定质心的个数，随机找质心位置，把每个点离各个质心的位置算出来，然后取最近的质心，该点归为该质心一类。然后再相同类里重新计算，再次找出新的质心，再进行第

KNN回归算法KNN回归算法就是给定数据集与结果，预测后面新出的数据集的结果。与前面KNN最邻近算法比较类似，最临近算法是求出预测数据集与训练数据集的每个点之间的距离，取前k个数据集的结果集，把结果集中占比大的结果作为预测结果。但是KNN回归算法，就是将前k个数据集的结果进行求平均作为预测的数据集。图文演示去除Id列和对应的Species列，将其他的4列特征集的前三列作为数据集，后一列作为结果集案例演示写KNN回归算法前的数据准备# 导入jar包import numpy as npimpo

KNN算法简介KNN近邻法(k-nearest neighbor，KNN) 是一种很基本的机器学习方法，在我们平常的生活中也不