知识卡片
近邻分类的拟合预测与评估
先划分训练与测试数据,用训练数据拟合预处理和近邻分类器,再对测试特征预测并与标签比较;要选择 k 或其他超参数,可在训练部分交叉验证,最后保留测试集作独立评估。单个样本需要具有样本维度的二维输入。fit 对近邻模型主要保存和组织训练数据,准确率只反映对应数据上的分类比例;旧版 API 路径和默认值应以实际版本为准。
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
- 机器学习终觉浅,Python带我来实践 5.2 k-近邻算法 · 查看原书依据
应用scikit-learn的k-近邻算法,只需要三步
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第5章《机器学习终觉浅,Python带我来实践》,5.2 k-近邻算法(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter10_0002.xhtml#txt005_8)
- 结论依据:原文距离定义、分类示例和模型评估;补充了特征语义及验证边界。
- 原始内容:应用scikit-learn的k-近邻算法,只需要三步