知识卡片
用邻居明细解释预测
对一次 k 近邻预测,列出最终邻居、各自距离、标签及票数,便于排查错误。书中的三类电影案例使用虚构镜头数量,因此可作为手算和程序结果核对的教学材料。邻居多数票表达模型的判断,真实类别仍需按任务标签定义检验。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- k最近邻算法 3.4.1 · 查看原书依据
[['我的特工爷爷', 17.49]、['美人鱼', 18.55]、['功夫熊猫3', 21.47]、['宝贝当家', 23.43]、['新步步惊心',34.44]]。确定前5个样本所在类别出现的频率,发现还是喜剧片
参考来源
- 位置:《AI制胜:机器学习极简入门》第3章 k最近邻算法 §3.4.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter3.xhtml#isbn9787302555513_3_1_3_4)
- 结论依据:原文说明镜头数据是虚构的,并列出按距离选出的五个邻居。
- 原始内容:[['我的特工爷爷', 17.49]、['美人鱼', 18.55]、['功夫熊猫3', 21.47]、['宝贝当家', 23.43]、['新步步惊心',34.44]]。确定前5个样本所在类别出现的频率,发现还是喜剧片