腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(9999+)
视频
沙龙
4
回答
K
近邻
算法
、
、
使用KNN
算法
,比如
k
=5。现在我尝试通过获取一个未知对象的5个最
近邻
居来对其进行分类。如果在确定了4个最近的邻居之后,接下来的2个(或更多)最近的对象具有相同的距离,该怎么办?这2个或更多的对象中的哪一个应该被选为第五个最
近邻
居?
浏览 0
提问于2011-02-04
得票数 25
1
回答
在MATLAB中如何选择RELIEFF
算法
中的
k
值
、
、
我使用relieff
算法
来研究各种输入的排序,以解决一个分类问题。我有五个输入和大约500个观察。我用MATLAB来解决这个问题。我想知道如何为ReliefF
算法
选择
k
的值
浏览 5
提问于2016-03-13
得票数 2
2
回答
K
近邻
算法
python
、
这是我的
k
近邻
算法
的代码: of the
k
-nearest neighbours'''return max(set(lst), key=lst.count) def findKnn(
浏览 5
提问于2013-11-18
得票数 3
6
回答
K
近邻
算法
疑点
、
、
我理解
K
近邻
算法
以及如何实现它。但是,如何计算不在标尺上的东西的距离或重量呢? 例如,年龄的距离可以很容易地计算出来,但是如何计算红色和蓝色的距离呢?假设我正在使用我的KNN
算法
来预测一个人是否会在我的餐厅用餐,该餐厅提供上述所有三种食物。忽略其他因素,根据我(训练)之前的知识库,常识告诉我,与进入披萨或薯条相比,这一特定领域最喜欢的食物的
k
个最
近邻
居的距离更近的可能性更高。
浏览 0
提问于2009-03-29
得票数 7
回答已采纳
1
回答
K
近邻
OpenCV
算法
、
、
、
我使用的是OpenCV 2.4.12 predictedValue = knn.find_nearest(samples,
k
,
浏览 4
提问于2015-12-01
得票数 1
1
回答
K
近邻
算法
在现实生活中经常使用吗?
、
我正在通过“Python机器学习入门:数据科学家指南”一书来教自己机器学习,我现在在
k
近邻
部分。作者指出,由于“预测速度慢,不能处理多个特征”,该
算法
在实际生活中很少使用。然而,在许多文章中,
k
近邻
被提到是数据科学家最流行的
算法
之一。有人能在这里给我解释一下吗?
浏览 2
提问于2018-12-10
得票数 0
回答已采纳
2
回答
选择哪个节点作为最
近邻
算法
的起始节点
、
、
、
我正在使用最
近邻
算法
来解决旅行商问题。它非常快,但并不准确。我在某处读到了关于我可以做的两个改进。第一种方法不是从一个随机点开始,而是从每个节点开始运行最
近邻
算法
。然后,仍然运行最
近邻
居一次,以获得结果。这不会像上面的方法那样准确,但肯定要快得多,因为
算法
像以前一样只运行一次。但不幸的是,我不记得我是在哪里读到那篇文章的,也不记得选择这个起始节点的标准。
浏览 0
提问于2013-04-22
得票数 2
4
回答
我如何利用最
近邻
搜索
算法
来进行固定半径搜索?
、
、
最
近邻
搜索问题有很多工作,所以我想知道如果我想做,我可以利用这些
算法
进行最
近邻
搜索吗? 也许我可以一遍又一遍地做
k
近邻
搜索,直到我找到一个超出半径范围的点,但我想这可能会造成很多浪费。
浏览 43
提问于2015-04-23
得票数 6
5
回答
K
近邻
算法
中
k
的取值
、
在这种情况下,是否存在我需要使用的
k
值的最佳值,或者我是否必须运行KNN,使
k
值介于1和10 (大约10)之间,并在
算法
本身的帮助下确定最佳值?
浏览 2
提问于2012-07-20
得票数 9
2
回答
K
-最
近邻
算法
、
我正在我的智能设备上实现
k
近邻
算法
,以便从识别数据中识别人类活动。我将解释我将如何实现它。你们能给我建议一下我正在采取的改进措施,并回答我在路上可能问的任何问题吗?作为第(3)点问题的解决方案,我正在考虑通过计算每一个特征之间的差异,为每一个特征取
k
最近的邻居,然后从每一个特征中选出大多数。你觉得呢?你能提议任何优化吗?谢谢您:)
浏览 1
提问于2013-03-22
得票数 1
1
回答
为什么
K
-
近邻
算法
会遭受维数灾难?
根据
算法
,我们只考虑
k
近邻
。那么它如何依赖于其他功能呢?
浏览 5
提问于2017-04-12
得票数 2
1
回答
基于matlab的
K
-
近邻
分类器
、
、
、
我对
k
-
近邻
分类器
算法
完全陌生。谁能给我一个好的教程/讲座的链接,给出一个数据集,这样我就可以对它应用
k
最
近邻
。 我真的真的需要学习这一点,但由于缺乏示例,这使得这项任务非常困难。
浏览 1
提问于2011-11-16
得票数 3
回答已采纳
1
回答
数字0-9的二值图像的哪些特征应该与
k
最
近邻
算法
一起使用?
、
我希望能够使用
k
最
近邻
算法
对未知集合中的数字进行分类。我已经对
算法
做了一些研究,我读到最好的方法是取数量特征,在一个以这些特征为轴的特征空间中绘制每个训练数据,对于未知集中的每一幅图像,做同样的事情,使用
k
最
近邻
算法
找到最近的点,类似于做了什么。
浏览 3
提问于2014-03-04
得票数 2
回答已采纳
4
回答
Python中是否存在对丢失数据的健壮的ML?
、
、
、
本文提出了一些
算法
,如朴素贝叶斯和KNN等,可以使
算法
对丢失的数据具有鲁棒性。但是它说sklearn实现对于丢失的数据并不可靠。遗憾的是,对于朴素的Bayes、决策树和
k
近邻
的scikit学习实现对于丢失的值并不可靠。 是否有这些
算法
对丢失的数据具有鲁棒性的M
浏览 0
提问于2021-04-04
得票数 2
1
回答
为什么当我们选择
K
是
K
近邻
时,过度拟合会减少呢?
、
、
、
、
我正在学习机器学习,我的重点是
K
近邻
。我已经理解了
算法
,但我仍然有一个疑问,那就是如何选择
K
作为邻居的数目。我已经看到,选择
K
=1来划分决策边界,而如果选择更大的
K
值,则得到一个更平滑的边界:我想我有李尔为什么会发生这种事。但是我也研究过,如果
K
=1我们做过拟合,但是如果我们增加
K
,过度拟合会减少,但是为什么呢? 那么,为什么当我们选择
K
是
K
近邻
时,过度拟合会减少呢?
浏览 0
提问于2020-09-17
得票数 0
回答已采纳
3
回答
在使用最
近邻
算法
对图像进行分类时,通常使用什么特征?
、
、
、
如果要对图像执行
K
-
近邻
算法
进行分类,如何从图像中提取特征?最简单、最有效的方法是什么?
浏览 2
提问于2010-12-08
得票数 1
1
回答
如何为
K
-
近邻
算法
输入预聚类数据
我正在对数据应用
k
近邻
算法
(使用类库中的knn函数)。我在某处读到过,您可以通过对数据进行预聚类来提高
k
近邻
分类的效率。我的问题是,如果我使用
k
-means对数据进行聚类,我如何将数据输入到
k
-
近邻
算法
?我是输入kmeans函数的结果,也就是具有聚类均值的数据集,还是将指定的聚类组合到数据中,然后在每个聚类上分别运行
k
最
近邻
?请给我一些指导。 我是新来这个网站的,所以我不确定如何正确地提出这个问题。
浏览 5
提问于2014-07-30
得票数 0
2
回答
FLANN的使用可以归入机器学习吗?
、
、
我已经写了一个程序来计算冲浪特征,然后使用FLANN(最
近邻
居的快速库)来匹配和显示最近的邻居。现在,FLANN的使用可以被认为是使用机器学习,因为据我所知,它是
k
最
近邻
搜索的近似版本,被认为是机器学习
算法
(监督学习)。
浏览 1
提问于2011-04-29
得票数 1
2
回答
知道
k
近邻
的快速计算Voronoi图的方法
、
、
、
、
我知道从Voronoi镶嵌计算
k
最
近邻
集是相对容易的。相反的问题呢?我已经有了
k
近邻
的集合( 3D),我想计算Voronoi细胞的体积和中心。直观地说,应该有一个O(n)
算法
来做到这一点,对吧?提前感谢 PS:我假设没有任何Voronoi单元格有超过
k
条边(这种关于点位置的先验知识可能使计算O(n)中的图成为可能,独立于维度)。
浏览 0
提问于2011-11-03
得票数 2
回答已采纳
5
回答
如何在Matlab中进行有效的
k
近邻
计算
、
、
、
我在Matlab中使用
k
-最
近邻
算法
进行数据分析。我的数据由大约11795×88的数据矩阵组成,其中行是观察的,列是变量。我的任务是为n个选定的测试点寻找
k
近邻
.目前,我使用的是以下逻辑: 循环所有数据并找到
k
近邻
(用欧几里得距离) 换句话说,我循环所有n个测试点。对于每个测试点,我通过欧几里得距离搜索数据(不包括测试点本身)的
k
近邻
。对于每个测试点,这需要大约
k
×11794次迭代。所以整个
浏览 2
提问于2014-06-18
得票数 1
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
K近邻算法入门
k-近邻算法分类
人工智能–K近邻算法
K近邻算法的Python实现
机器学习算法之K最近邻
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券