unseven的博客

目录KNN决策树朴素贝叶斯SVMadaboost梯度下降法KmeansAprioriSVD重要的评估指标（注意F1 score）机器学习算法总结过拟合和欠拟合产生的原因：解决欠拟合(高偏差)的方法解决过拟合(高方差)的方法：KNN决策树朴素贝叶斯SVMadaboost这个题的答案给的有问题，推荐看完这个解析 41、AdaBoost算法原理的举例推演

目录算法介绍k近邻算法python代码k近邻算法归一化特征值k近邻算法优缺点算法介绍k近邻法(k-nearest neighbors)是由Cover和Hart于1968年提出的，它是懒惰学习(lazy learning)的著名代表。k近邻算法简单、直观：给定一个训练数据集（其中的实例类别已定），对新的输入实例，在训练数据集中找到与该实例最接近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。举个栗子1.给定了红色和蓝色的训练样本，绿色为测试样本2.计算绿色点到其他点的距离3.