lancet1105

摘要： 输入：{(x1,y1),(x2,y2),..(xN,yN),}，其中yi={c1,c2...ck},i=1,2...N，需要预测的特征向量x 输出：x对应的类别 算法： k近邻当k为1时，即退化为最近邻，k近邻没有显式的学习过程。 三要素：k值选择，距离度量，分类决策规则。 三种距离，曼哈顿，欧式距 阅读全文

摘要： 对于线性方程w*x+b = 0 对应于空间的一个超平面S，其中w是超平面的法向量，b是超平面的截距。超平面将空间划分为两个部分，位于平面两边的点分属于正负两类。 前提：数据线性可分，可以找的一个超平面S，w*x+b = 0，能够将数据完整划分开。 输入：{(x1,y1),(x2,y2),..(xN, 阅读全文