cs231n课后作业(1)

本文介绍了一种在Cs231n课程中的K近邻(k-Nearest Neighbor, KNN)分类算法的实现方法,该方法通过矩阵运算避免了使用循环结构,提高了效率。主要内容包括计算训练样本与测试样本之间的距离,并利用numpy库中的函数进行矩阵操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

part one

k近邻算法无循环证明

Cs231n课程中knn算法的实现

 

 

dists += np.sum(np.multiply(X, X), axis = 1, keepdims = True).reshape(num_test, 1)

dists += np.sum(np.multiply(self.X_train, self.X_train), axis = 1, keepdims = True).reshape(1, num_train)

dists += -2 * np.dot(X, self.X_train.T)

dists = np.sqrt(dists)


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值