zhangyongzhe00的博客

邻近算法 这里写目录标题邻近算法一、算法概述二、算法要点三、优缺点四、常见问题 一、算法概述 1、kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。 最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。这种方式有一个明显的缺点，那就是很可能无法找到完全匹配的训练记录。 kNN算法则是从训练集中找到和新数据最接近的k条记录，然后根据他们的主要分类

Numpy的用法很广，高级功能包括多项式求解以及多项式拟合的功能。今天就来理一理。 import numpy as np p=np.poly1d([1,-4,3]) # 二阶多项式的系数 print('x=0多项式的值是',p(0)) print('p的根',p.roots) p=np.poly1d([1,-4,3]) 相当于数学里的p=x²-4x+3。 numpy 提供的 np.polyfit（）函 数可 以用 多项式对数据进行拟合。在下面例子中，我们生成 30个在平方根曲线周围引入随机噪声的点，用一个

解释一下蒙特卡罗法： 蒙特卡罗法的概念可以解释为利用随机试验求解，重复随机取样仿真出复杂的物理和数学系统模型。 欣赏一下这幅图片理解一下蒙特卡罗的思想 以圆为例，，在这个长宽都为1的坐标轴上，四分之一圆的面积S为S =1/4 * π * 1 * 1，π=4 * S，在坐标轴随机出X个点，与原点距离<=1的点（坐标轴中红点）即为圆内的点，个数为t，面积S可视与红点个数除以总个数X。π即等于4 * (t / X)。 用代码实现上述坐标： import matplotlib.pyplot as plt