学习第3章近邻瑞客论坛.pdf

  1. 1、本文档共2页,可阅读全部内容。
  2. 2、本文档付费后,不意味着付费购买了版权,只能用于单位或个人使用,不得用于商业用途(如:【转卖】进行直接盈利和【编辑后售卖】进行间接盈利)。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:18428362892(电话支持时间:9:00-19:00)。
认准 资源 VX :rgzn321 其他均为翻录 需要其他人工智能资源加V 学习第3 章k 近邻 前言: 教学内容完全依据《统计学习方法》一书,每一章的学习计划会详细列出本章需要学习的 内容和不做学习要求的内容。 每章会有一个导读 和两个重难点讲解 (第三章和第五章内容比较容易理解,第三 章没有重难点讲解 ,第五章只有一个重难点讲解 ),重难点讲解 涉及模型理 解、理论推导、算法实现等内容。书 有10 个算法,每个算 在学习当天提供一个 示例代码, 先自行理解,助 在每周周末讲解作业和代码。 资料领取: 《统计学习方法》 请在 深度之眼 直接回复 【统计】, 即可领取。 k1 Day7 任务简介:学习第3 章k 近邻,学习k 近邻算法在分类问题中的应用,理解k 近邻法的三 要素及模型对应的损失函数。 详细说明:第3 章讲了如何用k 近邻算法进行分类。 通过学习第1 节,理解k 近邻 算法的基本 ;通过学习第2 节,掌握k 近邻算法如何实现;第3 节是一个搜索技术, 关于如何对某一训练数据快速找到相邻的k 个示例,这里不做学习要求。 学习目标: 1、导读 《统计学习方法》-K 近邻 1.掌握k 近邻算法的原理。 2.理解k 近邻算法三要素及模型对应的损失函数。 3.掌握k 近邻算法在分类问题上的求解过程。 作业3: 1.思考k 近邻算法的模型复杂度体现在哪里?什么 情况下会造成过拟合?打卡进行文字说明。 2.给定一个二 的数据集T={正实例: (5,4),(9,6),(4,7);负实例:(2,3), (8,1),(7,2)},试 基于欧氏距离,找到数据点S (5,3 )的最近邻 (k=1),并对S 点进行分类 。 (1)用“线性扫描”算法自编程实现。 (2)试调用sklearn.neighbors 的 KNeighborsClassifier 模块,对S 点进行分类预 测,并对比近邻数k 取值不同,对分类 结果 的影响。 (3)思考题:思考“线性扫描”算法和“kd 树”算法的 时间复杂度。 打卡代码运行结果的截图。 作业 及代码讲解在下周日公布,助 进行 讲解。

您可能关注的文档

文档评论(0)

相关文档

相关课程推荐