knn

    4熱度

    1回答

    在(R)中運行knn分類後[http://www.r-project.org/]有沒有一種方法可以列出爲每個測試用例所做的預測? 我知道如何獲得混淆矩陣,但我也想要測試階段的詳細結果,而不僅僅是總結。 我是否必須通過模型運行每個案例,好像做後期模型開發預測一樣?或者是我需要輸出測試階段的信息?

    0熱度

    3回答

    我正在使用Python的KNN分類器,但我有一些問題。 下面這段代碼需要7.5s-9.0s才能完成,我必須運行它60.000次。 for fold in folds: for dot2 in fold: """ distances[x][0] = Class of the dot2 distances[x][1] = distance

    0熱度

    2回答

    我對MATLAB的使用還不是很熟悉,所以我很抱歉如果我的問題看起來有點愚蠢。我試圖學習K-NN分類,我的教授說我應該從MATLAB開始。我有一個向量,我們稱它爲x,它包含2列數據。第一列是特徵1,第二列是特徵2. x中的每一行表示一個數據點。我還有另一個向量,我們稱之爲c,其中包含每個數據點(1或2)的類標籤,但只有2個類。 下面是問題:我應該使用函數「knnsearch」來查找k鄰居,並構建一個

    0熱度

    1回答

    我有一個向量x,有2列(第1列是特徵1,第2列是特徵2),每行代表一個數據點。我還有另一個向量,我們稱之爲c,其中包含每個數據點(1或2)的類標籤,但只有2個類。是否有一種簡單的方法只使用knnsearch來構建K-NN分類器?我已經嘗試了將近兩整天的時間,但我無法完成它的工作。我知道我的數據中的哪些點是訓練,驗證和測試集。那麼我應該查看被錯誤分類的點數,並且看看這個數字隨着k的增加而變化。有人有

    0熱度

    2回答

    爲了有效地找到d維空間中一個點的n個最近鄰點,我選擇了具有最大散點的維度(即在此座標點之間的差值最大)。在這個維度中從最小值到最大值的整個範圍被分成k個箱。每個箱包含座標(在這個尺寸中)在該箱的範圍內的點。確保每個垃圾箱至少有2n個點。 查找Ñ點x的最近鄰的算法如下: 確定倉KX,其中點x位於(其投影到準確)。 計算x與點kx中所有點之間的距離。 按升序排序計算的距離。 選擇前n個距離。將這些距離

    0熱度

    2回答

    我已經實現了從圖像構建圖像的方法。該方法基於KNN。 基本上,每個像素代表一個頂點,並且有必要將每個像素與k個最近鄰居連接起來。 腳本很簡單,但速度很慢。我試圖優化歐幾里德距離的計算和添加邊緣的步驟。 有人有任何建議來優化我的代碼? 最慢的一步是計算歐幾里德距離。由於計算所有頂點的距離,因此該距離爲n^2。例如,圖像大小600x375具有225000個vértices。 執行: python fi

    1熱度

    1回答

    我是新手。我認爲NuPIC的想法非常酷,因此想要將NUN分類器應用於NuPIC的輸出 。我看到python中已經有一個KNNClassifier對象。我對我應該使用的輸入模式 感到困惑。在MNIST數據集的情況下,我將獲得圖像,其中每個圖像是2D數組,並且將是稀疏的。我可以理解輸出的格式可以使用NuPIC中的 分類編碼器進行編碼,但是沒有這樣的編碼數組形式的輸入的示例。 任何幫助將不勝感激。

    1熱度

    1回答

    可以說我有一個用戶評分不同產品的數據庫,其評分爲1-5。我們的推薦引擎根據高度相似的其他用戶的偏好向用戶推薦產品。我找到類似用戶的第一種方法是使用餘弦相似度,並將用戶評分作爲向量組件來處理。這種方法的主要問題在於,它只是測量矢量角度,並沒有考慮評級尺度或大小。 我的問題是這樣的: 誰能向我解釋爲什麼餘弦相似度以任何方式更適合於判斷用戶的相似性比簡單地測量兩個向量(用戶)的矢量分量之間的百分比差異?

    0熱度

    1回答

    我需要對JavaScript中的一串序列執行kNN算法。我遇到過FLANN庫,但是它是一個C++庫,只包含了MATLAB,Python和C的綁定。有沒有一個庫可以更好地使用JavaScript?如果沒有,是否有一種方法可以將FLANN庫用於我的腳本?

    1熱度

    1回答

    我在理解K-NN分類是如何在MATLAB中工作時遇到問題。' 這裏有個問題,我有一個大型數據集(超過1500個主題的65個特徵)及其相應類的標籤(0或1)。 根據我已經解釋的內容,我必須將數據分成訓練,測試和驗證子集,以對數據執行監督式訓練,並通過K-NN進行分類。 首先,劃分3個小組的最佳比例是多少(每個數據集大小的1/3)? 我已經看過ClassificationKNN/fitcknn函數,以