weixin_45181983的博客

对模型的评估是机器学习中重要的一环，用以评判一个机器学习算法的忧虑。本片文章介绍了在评估过程中常用的一些概念和方法。

现在，我们已经有了一个聚类算法KMeans和一个分类算法KNN。我们随机生成一个数据集来进行测试。

没有免费午餐定理是机器学习的重要定理，与此同时我们需要机器学习的三大任务（聚类、分类、回归）并且了解他们的区别。

KNN(K最近邻算法)原理及代码实现邻近算法，或者说K最邻近（KNN，K-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。该方法的思路非常简单直观：根据其最近的K个样本的分类确定它自身类别的分类算法。一般来说在计算距离时，可以使用他们之间的直线距离即欧氏距离，或坐标绝对值之和，即曼哈顿距离。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的K个邻近值来代表。K的取值非常重要。K太小：受到个例影响严重，波动较大。.....................

K均值聚类原理及代码实现。K-Means(K均值聚类)K-Means算法是机器学习中一个非常简单且使用的聚类算法。其只具备一个超参数K，代表着样本的类别数。