更新了部分文档
parent
8a7710bdb4
commit
6387ccbf40
|
@ -119,5 +119,12 @@ $$
|
|||
5. 测试算法
|
||||
6. 应用算法
|
||||
|
||||
###
|
||||
### Scikit-learn介绍
|
||||
|
||||
![](res/scikit-learn-logo.png)
|
||||
|
||||
Scikit-learn源于Google Summer of Code项目,由David Cournapeau在2007年发起,它提供了机器学习可能用到的工具,包括数据预处理、监督学习(分类、回归)、非监督学习(聚类)、模型选择、降维等。
|
||||
|
||||
官网地址:<https://scikit-learn.org/stable/index.html>
|
||||
|
||||
安装方法:`pip install scikit-learn`
|
|
@ -20,3 +20,20 @@ k值的选择对于kNN算法的结果有非常显著的影响。下面用李航
|
|||
|
||||
实际应用中,$k$的取值通常都比较小,可以通过交叉检验的方式来选择较好的$k$值。
|
||||
|
||||
|
||||
|
||||
### 算法优缺点
|
||||
|
||||
优点:
|
||||
|
||||
1. 简单有效
|
||||
2. 重新训练代价低
|
||||
3. 适合类域交叉样本
|
||||
4. 适合大样本分类
|
||||
|
||||
缺点:
|
||||
|
||||
1. 惰性学习
|
||||
2. 输出的可解释性不强
|
||||
3. 不擅长处理不均衡样本
|
||||
4. 计算量比较大
|
Binary file not shown.
After Width: | Height: | Size: 7.9 KiB |
Loading…
Reference in New Issue