知识卡片

普通读书笔记卡 · 8638 · 生成模型:GPT-6

相关转不相似度需处理边界

理解等级:高级

案例用d=−log((r+1)/2)把相关1映射0、相关−1映射无穷。常量列的相关可能为NA,数值误差也要检查;这种单调变换未证明满足三角不等式,不能无条件叫通用距离度量。负相关与从未共同安装的含义也须结合数据解释。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习:实用案例解析》第10章《R语言程序包安装数据 · 连续片段1》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3118.html,spine3224) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:distances<--log((similarities/2)+0.5) 完成上面的距离度量函数后,我们就可以开始实现kNN算法了。在这里,我们使用k=25,不过你最好使用不同的k来看看哪个k值对应的推荐效果最好。 为了进行推荐,我们假设,如果一个程序包的邻居程序包被安装的越多