zoukankan
html css js c++ java
机器学习实战-K-nearest neighbors 算法的优缺点
K临近算法是基于实例的学习,使用算法的时候我们必须要有接近分类结果的实例训练样本数据。
优点:精度高,对异常值不敏感
缺点:
时间复杂度和空间复杂度比较大。(如果训练样本数据集比较大,需要大量的空间来保存数据,并且需要待预测数据和训练样本数据集每条数据的距离,耗费时间。)
无法给出任何数据的基础结构信息,因此无法知晓平均实例样本和典型事例样本有什么特征。
无法持久化分类器。
查看全文
相关阅读:
基础表达式和运算符
原型链(_proto_) 与原型(prototype) 有啥关系?
插件模板
加减plugin
原生选项卡、手风琴
前端基础问题(有答案)
结构图
Java环境配置小记
函数
砝码称重
原文地址:https://www.cnblogs.com/harlanc/p/5037300.html
最新文章
POJ 1218 THE DRUNK JAILER
UVa 10152 ShellSort
UVa 673 Parentheses Balance
UVa 375 Inscribed Circles and Isosceles Triangles
UVa 10250 The Other Two Trees
UVa 10879 Code Refactoring
UVa 10392 Factoring Large Numbers
UVa 10110 Light, more light
UVa 575 Skew Binary
EL表达式简介
热门文章
Java异常机制
线程池
多线程基础
JSP——九大内置对象和其四大作用域
JSP——页面三大部分(指令、脚本、动作组件)
HTTP协议(超文本传输协议)
网络编程——TCP连接
问题
Note
语句
Copyright © 2011-2022 走看看