摘要：
一元线性回归 ①基本假设： y = w0 + w1x + ε 其中 w0,w1 为回归系数，ε 为随机误差项(noise) 给定样本集合 D = { (x1,y1),…,(xn,yn)}， 我们的目标是找到一条直线 y = w0 + w1x ，使得所有样本点尽可能落在它的附近，即求解以下问题： ②一 阅读全文
摘要：
算法1：k近邻法 复杂度：O(n) 算法2：构造平衡kd树 算法3：搜索kd树 复杂度:O(log(n)) 当空间维数接近训练实例数时，他的效率会迅速下降，几乎接近线性扫描 python代码实现k近邻法： # # k近邻算法 步骤： 1.导入数据 2.分割数据(用于交叉验证) 3.k近邻算法 4.模 阅读全文