引用说明:
写在最前
在开始看这个篇目之前,建议先去了解一下机器学习的一些基础。
这是陌诺开展的第三个项目,这个项目扎根人工智能基础,从机器学习讲起,从零开始实现机器学习的相关内容。
配置要求
一、最新版的Numahk库
二、每一篇章结尾有专门的依赖库,例如KNN需要Counter类,包含在命名为collections.ahk的文件中
正式开始
一、机器学习实现基础
我们将输入向量称作x,输出向量称作y,训练实例t形式为<x,y>,训练集则是所有t的集合。
机器学习就是实现输入未知结果的向量xi,根据训练集来预测结果yi。
二、K最近邻算法基础
在讲K最近邻算法之前,我们必须先了解最近邻算法是什么。
最近邻算法思路:
1.计算xi与训练集训练实例的“距离”
2.然后找到与xi“距离”最近的训练实例tc=<xc,yc>
3.最后返回这训练集对应的yc作为xi的预测结果
K最近邻算法思路:
在最近邻基础上进行优化,寻找到最近的k个邻点。
返回多预测结果中可能性最大的那个。
***注意:k的数量不是一成不变的,需要根据训练集的数据特点进行合理选取,这也是KNN最大的难点。
代码实战
测试代码
依赖库
collections.ahk


