机器学习编程基础day01(1).pptxVIP免费

机器学习课程day05Contents目录k近邻算法的实现过程（重点）k近邻算法的距离度量方式（重点）k近邻算法的超参数k值的取值对算法的影响（重点）kd-tree的构建和搜索实现过程（重点）使用KNeighborsClassifier实现分类交叉验证的概念及其作用（重点）Section章节k近邻算法的实现过程K-近邻算法简介K近邻算法api初步使用1.k近邻算法的实现过程1.1视频讲解KNN算法解决的是什么问题？1.k近邻算法的实现过程1.2知识检测①KNN解决的是什么问题？1）KNN：KNearestNeighbor。即解决的是寻找与未知样本_______的K个样本，并对未知样本所属的分类或者属性进行预测的问题。2）距离度量：空间中两个样本的距离默认是通过_________来度量的。答案：①最近邻；②欧氏距离。Section章节k近邻算法的实现过程K-近邻算法简介K近邻算法api初步使用1.k近邻算法的实现过程2.1视频讲解如何应用KNN算法的API？1.k近邻算法的实现过程2.2知识检测1）导入算法对象：fromsklearn.neighborsimportKNeighborsClassifier---------------------A2）构造数据：x=[[0],[1],[2],[3]]y=[0,0,1,1]3）实例化算法API：estimator=KNeighborsClassifier(n_neighbors=2)-------------------------B4）训练模型并预测：estimator.fit(x,y)------------------------------------------------------------Cestimator.predict([1])-------------------------------------------------------D①以下关于KNN算法API的使用有误的一项是？答案：D。正确代码应为：estimator.predict([[1]])Section章节k近邻算法的距离度量方式机器学习中距离度量介绍2.k近邻算法的距离度量方式3.1视频讲解KNN算法中有哪些距离度量方式？2.k近邻算法的距离度量方式3.2知识检测①KNN算法中的距离度量方式有哪些？2.k近邻算法的距离度量方式3.2知识检测①对于n维空间中的两个点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)来说，下列哪个公式是闵可夫斯基距离的一般表达式？A：B：C：D：答案：D。其中A是Boston距离，B是欧氏距离，C是切比雪夫距离。Section章节k近邻算法的超参数k值的取值对算法的影响K值的选择介绍3.k近邻算法的超参数k值的取值对算法的影响4.1视频讲解KNN算法中K的取值需要注意什么？3.k近邻算法的超参数k值的取值对算法的影响4.2知识检测①以下说法中正确的是？（多选）A）若k值过小，训练误差会减小，对应的测试误差会增大，模型有过拟合的风险。B）若k值过大，训练误差会...