摘要：
输入未做任何处理标签负值变为0距离4.0角度45.63 输入负值变为0标签负值变为0距离4.3254角度23.6709 阅读全文
摘要：
间隔1 间隔2 间隔4监督角度25.6273距离3.1385 间隔8 2.8462 27.6240 阅读全文
摘要：
欧氏距离4.35角度24 欧氏距离3.0174角度26.2438 阅读全文
摘要：
总共有440633个特征缺失，数据为109525×72， 暴力删除一些列效果不好，因为有些特征可能有区分性，暴力删除会去掉有区分性的特征，这时候应尽量考虑补全，应该选择有区分性的特征。 去除特定缺失值再补0。 前7列数据缺失值过万了。 缺失值小于10的列共33列距离2.9欧式角37 缺失值小于260 阅读全文
摘要：
只把缺失值。1.删除缺失值的列。2.利用平均值、众数、中数补充缺失值。3.用数据预测缺失值。 阅读全文
摘要：
用find函数发现的 阅读全文
摘要：
用vca在正包中提取像素。欧式距离2.8，角度17.9043。 每隔2个维度选取一个特征最终，欧式距离2.487，角度16 未用vca直接按角度相似分配像素。 阅读全文
摘要：
端元数18，1：2：44也就是维度22 欧式角2.0和角度30 端元8角度角度32.63距离2 端元16角度30.0377距离2.5686 端元29角度30.6477距离2.4886 每个距离 每个角度 端元40角度30.6距离2.57 按欧式距离找 阅读全文
摘要：
端元8角度32.40距离2.05 端元16角度30.1209距离2.67 端元29距离2.465角度30.5241 端元40角度30.7209距离2.49 阅读全文
摘要：
端元8角度39距离8.2 端元16角度30.8571 距离4.0731 端元29角度31.0328 距离3.2722 端元40角度31.3 距离3.2 阅读全文