重庆网页优化公司：百度推广与网站建设推广的区别是什么？

百度推广和网站建设推广的区别,重庆网页优化seo公司,windows优化软件排行,象山县住房建设局网站⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ #x1f434;作者#xff1a;秋无之地 #x1f434;简介#xff1a;CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作#xff0c;主要擅长领域有#xff1a;爬虫、后端、大数据… ⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️ 作者秋无之地 简介CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作主要擅长领域有爬虫、后端、大数据开发、数据分析等。 欢迎小伙伴们点赞、收藏⭐️、留言、关注关注必回关 上一篇文章已经跟大家介绍过《KNN上数据分析 | 数据挖掘 | 十大算法之一》相信大家对KNN上都有一个基本的认识。下面我讲一下KNN下数据分析 | 数据挖掘 | 十大算法之一 KNN 实际上是计算待分类物体与其他物体之间的距离然后通过统计最近的 K 个邻居的分类情况来决定这个物体的分类情况。 一、如何在 sklearn 中使用 KNN 在 Python 的 sklearn 工具包中有 KNN 算法。KNN 既可以做分类器也可以做回归。如果是做分类你需要引用 from sklearn.neighbors import KNeighborsClassifier 如果是做回归你需要引用 from sklearn.neighbors import KNeighborsRegressor 从名字上你也能看出来 Classifier 对应的是分类Regressor 对应的是回归。一般来说如果一个算法有 Classifier 类都能找到相应的 Regressor 类。比如在决策树分类中你可以使用 DecisionTreeClassifier也可以使用决策树来做回归 DecisionTreeRegressor。 好了我们看下如何在 sklearn 中创建 KNN 分类器。 这里我们使用构造函数 KNeighborsClassifier(n_neighbors5, weights‘uniform’, algorithm‘auto’, leaf_size30)这里有几个比较主要的参数我分别来讲解下 1.n_neighbors即 KNN 中的 K 值代表的是邻居的数量。K 值如果比较小会造成过拟合。如果 K 值比较大无法将未知物体分类出来。一般我们使用默认值 5。 2.weights是用来确定邻居的权重有三种方式 weightsuniform代表所有邻居的权重相同weightsdistance代表权重是距离的倒数即与距离成反比自定义函数你可以自定义不同距离所对应的权重。大部分情况下不需要自己定义函数。 3.algorithm用来规定计算邻居的方法它有四种方式 algorithmauto根据数据的情况自动选择适合的算法默认情况选择 autoalgorithmkd_tree也叫作 KD 树是多维空间的数据结构方便对关键数据进行检索不过 KD 树适用于维度少的情况一般维数不超过 20如果维数大于 20 之后效率反而会下降algorithmball_tree也叫作球树它和 KD 树一样都是多维空间的数据结果不同于 KD 树球树更适用于维度大的情况algorithmbrute也叫作暴力搜索它和 KD 树不同的地方是在于采用的是线性扫描而不是通过构造树结构进行快速检索。当训练集大的时候效率很低。 ​4.leaf_size代表构造 KD 树或球树时的叶子数默认是 30调整 leaf_size 会影响到树的构造和搜索速度。 创建完 KNN 分类器之后我们就可以输入训练集对它进行训练这里我们使用 fit() 函数传入训练集中的样本特征矩阵和分类标识会自动得到训练好的 KNN 分类器。然后可以使用 predict() 函数来对结果进行预测这里传入测试集的特征矩阵可以得到测试集的预测分类结果。 二、如何用 KNN 对手写数字进行识别分类 手写数字数据集是个非常有名的用于图像识别的数据集。数字识别的过程就是将这些图片与分类结果 0-9 一一对应起来。完整的手写数字数据集 MNIST 里面包括了 60000 个训练样本以及 10000 个测试样本。如果你学习深度学习的话MNIST 基本上是你接触的第一个数据集。 今天我们用 sklearn 自带的手写数字数据集做 KNN 分类你可以把这个数据集理解成一个简版的 MNIST 数据集它只包括了 1797 幅数字图像每幅图像大小是 8*8 像素。