3unhaforajrey_个人页

个人头像照片 3unhaforajrey
个人头像照片 个人头像照片
0
142
0

个人介绍

暂无个人介绍

擅长的技术

获得更多能力
通用技术能力:

暂时未有相关通用技术能力~

云产品技术能力:

暂时未有相关云产品技术能力~

阿里云技能认证

详细说明
  • 提交了问题 2022-03-31

    有N个已知分类结果的样本点,对新纪录r使用KNN将其分类的步骤是什么呀?

  • 提交了问题 2022-03-31

    KNN是什么呀?

  • 提交了问题 2022-03-31

    分类算法的常用评估指标是什么呀?

  • 提交了问题 2022-03-31

    分类算法按原理分类分为哪几点呀?

  • 提交了问题 2022-03-31

    分类算法的应用有哪些呀?

暂无更多信息
正在加载, 请稍后...
暂无更多信息
  • 回答了问题 2022-05-03

    方差体现了什么呀?

    方差体现的是一个模型的稳定程度,一般来讲,要是一个模型比较简单,那它的方差应该也是比较小的。
    踩0 评论0
  • 回答了问题 2022-04-05

    测试误差反映了什么呀?

    测试误差则反映了模型对未知数据的预测能力。它是模型在测试集上的误差的平均值,体现了模型的泛化能力。
    踩0 评论0
  • 回答了问题 2022-04-05

    训练误差的大小是用来判断什么的呀?

    训练误差的大小判断一个问题学习起来容不容易,训练误差大就是对训练集特性学习的不好,训练误差太小说明过度学习,可能会发生过拟合。
    踩0 评论0
  • 回答了问题 2022-04-05

    测试集的作用是什么呀?

    测试集一般是用来用于评估模型对数据的预测性能,它有先后顺序,是先训练得到一个模型,然后通过测试集评估性能。
    踩0 评论0
  • 回答了问题 2022-04-05

    训练集是用来干什么的呀?

    训练集是用来进行模型的学习和训练的,打个比方,训练集像是用来巩固知识,训练集会被大量频繁使用。
    踩0 评论0
  • 回答了问题 2022-04-05

    每次运行的时候学习曲线都在变化,模型的效果时好时坏,这是为什么呢?

    这是因为测试集和训练集的划分有差异产生的,模型会用不同的训练集训练,用不同的测试集测试,就会产生不同的模型结果。
    踩0 评论0
  • 回答了问题 2022-04-05

    在KNN算法中,如果选择的k值较大会是什么情况啊?

    要是选择的k值较大,就是在一个比较大的邻域中对训练实例进行预测,此时和输入实例不相似的训练实例也会作用预测,会使得预测错误。
    踩0 评论0
  • 回答了问题 2022-04-05

    如果在KNN算法中,选择的k值较小会出现什么情况啊?

    选择的k值小的时候,就像是在对一个比较小的邻域中的训练实例进行预测,这种情况,只有和输入实例相似的训练实例才有作用。
    踩0 评论0
  • 回答了问题 2022-04-05

    KNN算法中的”k“是一个什么参数?

    KNN中的k是一个超参数,它需要手动输入,不能直接机器算法计算出来。KNN中的k代表的是离需要分类测试点最近的k个样本点,这个值的输入影响选出k个最近邻这一步。
    踩0 评论0
  • 回答了问题 2022-04-04

    KNN算法怎么判断哪个是新样本的标签类别啊?

    以少数服从多数原则进行判断,新样本的标签类别就是数量最多的的标签类别。KNN就是选择和新数据最接近的k个样本数据,这k个样本数据的分类就是新样本的分类。
    踩0 评论0
  • 回答了问题 2022-04-04

    过拟合现象是什么啊?

    如果一个模型将训练样本学的好,就可能训练样本的一些特征作为普遍规律,这时候的模型复杂度会比实际高,就导致泛化性能下降,这种现象就是过拟合。
    踩0 评论0
  • 回答了问题 2022-04-04

    KNN算法在计算距离时,怎么针对不同的邻居指定不同的距离权重啊?

    这个可以通过算法的 weights 参数来实现。 weights: str or callable, 可选参数默认是uniform,它是用于预测的权重参数。
    踩0 评论0
  • 回答了问题 2022-04-04

    拟合度要怎么理解呀?

    简单来说,拟合度就是一个模型对于数据集背后客观规律的掌握程度,如果模型的拟合度差,那么它对规律的捕捉就不全,准确率就可能不高。
    踩0 评论0
  • 回答了问题 2022-04-04

    使用决策树进行决策的过程是什么样的啊?

    它的过程就是从根节点开始,测试待分类项中相应的特征属性,而且要按照值选择去进行输出分支,直到到达叶子节点,把节点存放的类别作为决策结果。
    踩0 评论0
  • 回答了问题 2022-04-04

    决策树的每个叶节点有什么作用呀?

    每个叶节点存放着一个类别。叶节点是决策的结果的对应,但是其他的节点是一个属性测试的对应。决策树学习是为了建一棵泛化能力强的决策树。
    踩0 评论0
  • 回答了问题 2022-04-04

    决策树的每个分支代表什么呀?

    它是这个特征属性在某个值域上的输出。决策树的功能是监督式的特征提取与描述,它把输入的变量依据目标的设定来判断选择分支变量与分支方式,而且用树枝状的层级架构展现。
    踩0 评论0
  • 回答了问题 2022-04-04

    决策树的每个非叶节点表示什么啊?

    决策树的每个非叶节点代表的是一个特征属性上的测试,每个分支是这个特征属性在某个值域上的输出。
    踩0 评论0
  • 回答了问题 2022-04-04

    KNN算法是怎么决定待分样本所属的类别的呀?

    定类决策的时候,这个方法根据最邻近的一个或者好几个样本来决定整个待分样本倒所属类别。
    踩0 评论0
  • 回答了问题 2022-04-04

    KNN算法的思路是什么呀?

    KNN是一种分类算法,就是在特征空间中的k,一个样本如果k个最相似的样本里大多数是某个类别的,那么这个样本也是这个类别的,k值是整数,而且一般不大于20。
    踩0 评论0
  • 回答了问题 2022-04-04

    回归算法和分类算法有什么区别呀?

    回归算法和分类算法的区别就在输出变量的类型,定量输出就是回归算法,是为连续变量的预测,分类算法就是定性输出,是离散变量。
    踩0 评论0
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息