机器学习 | k-近邻算法原理及代码实现
k-近邻算法原理存在一组带标签的训练样本集,输入未带标签的新数据,将新数据每个特征属性与样本集中数据对应的特征属性进性比较,取k个最相似数据中出现次数最多的分类,做为新数据的分类。**代码实现from numpy import * import operator def createDataSet(): group = array ([[1.0,1.1],[1.0,1.0],[0,0],
k-近邻算法原理存在一组带标签的训练样本集,输入未带标签的新数据,将新数据每个特征属性与样本集中数据对应的特征属性进性比较,取k个最相似数据中出现次数最多的分类,做为新数据的分类。**代码实现from numpy import * import operator def createDataSet(): group = array ([[1.0,1.1],[1.0,1.0],[0,0],
下载centos7,百度、google,enenenen制作Linux镜像,UltraISO软碟通,过程enenennene进入U盘,如图: 高高兴兴,冲啊,点Install CentOS 7(心理窃喜.......偷笑.jpg(小小玩意,想难老子))目瞪狗呆,噗噗噗噗噗,啥玩意,直线爆炸。。。。。各种百度google,如图: 半小时过去.........(老子就不信了,搞不定)一小时过去....
踏了无数的坑。终于搞定了第一种,常用的。open .bash_profile或者vi .bash_profile打开这个.bash_profile文件加入一行export PATH="/root/anaconda3/bin:$PATH"(注意:/root/anaconda3/bin是写你的anaconda的安装路径)第二种,如果第一种不管用,可能就是conda文件莫名消失了,可
URC国际水中机器人大赛是在合肥举办,收获满满,同时也是遗憾退场。最后虽斩获国家一等奖,但痛失冠亚季。(当时我哭了。。。enenn真丢人) <center>赛前篇</center>对于合肥之行,我觉得是挺不(nan)错(shou)的经历。人生第一次坐火车,22个小时的火车,躺到腰断,差点。可能是水土不服,还经常闹肚子。(可能我肚子矫情叭叭)在即将比赛的
性能度量是衡量模型泛化能力的评价标准,反映了任务需求;使用不同的性能度量往往会导致不同的评判结果。回归任务最常用的性能度量是“均方误差”:<div align=center></div>一般式子对于数据分布D和概率密度函数p(.)均方误差可描述成:<div align=center></div>对于分类任务,错误率和精度是最常用的两种性能度量:错误率
基本概念错误率:分类错误的样本占样本总数的比例精度:分类正确的样本占样本总数的比例,即精度=1-错误率。过拟合:由于学习能力过于强大,以至于把训练样本所包含的不太一般的特性都学到了。欠拟合:由于学习能力太低下,以至于把训练样本所包含一般的特性没学好。对数据集D进行适当的处理,从中产生训练集S和测试集T。<div align=center></div><div alig
ARM内核是一种32位RISC微处理器,具备功耗低、性价比低、代码密度高等三大特色。ARM处理器具有RISC体系结构的典型特征,同时具以下特点: 在每条数据处理指令当中,都控制算术逻辑单元(ALU)和移位器,以使ALU和移位器获得最大的利用概率。 自动递增和自动递减的寻址模式,以优化程序中的循环。 同时Load和Store多条指令,以增加数据吞吐量。&em
嵌入式系统总线分类嵌入式微处理器的体系结构 注:两种指令集影响指令密度,硬件复杂度。 #### 两种指令集详细对比 续上表: PC机功能集合在主板上,嵌入式芯片功能集合在芯片上。AHB(高速总线),APB(低速总线),DSP(数据信号处理)。
CPU提供的栈机制:push 寄存器/段寄存器/内存单元:将寄存器/段寄存器/内存单元中的数据压入栈中 pop 寄存器/段寄存器/内存单元:从栈顶取出的数据送入寄存器/段寄存器/内存单元中push和pop实质上是一种内存传送指令。8086CPU的push和pop都是以字为单位进行。栈顶的段地址存放在SS中,偏移地址存放在SP中。SS:SP指向栈中的第一个元素。**注:栈顶在上面,低位在上面。在80