4.9 更多关于k近邻算法的思考 K近邻算法是解决分类问题，天然可以解决多分类问题。不仅如此，思想简单，效果强大。使用Ｋ近邻算法还可以解决回归问...

4.8 scikit-learn中的Scaler 上节讲了数据归一化，但是真正用到机器学习算法中的时候，一个注意事项就是，之前将原始数据集拆分成...

4.6网格搜索与k近邻算法中更多的超参数 关于网格搜索，sklearn为我们提供了一个方法，叫Grid Search在使用它之前，我们首先要定义...

数据归一化 Feature Scaling 首先我们开看一下为什么要进行数据归一化。我们使用前边说道的肿瘤的例子： 那么这两个样本的距离是多少呢...

4.5 超参数 超参数就是指在运行机器学习算法之前，需要指定的参数。 模型参数：算法过程中学习的参数。 KNN算法没有模型参数，k是典型的超参数...

4.1 K近邻算法 思想极度简单 应用数学知识少 可以解释机器学习算法使用过程中的很多细节问题 更完整的刻画机器学习的应用流程   Ｋ近邻算法的...

3.9 Numpy中的比较和Fancy Indexing Fancy Indexing 运行结果为：array([ 0, 1, 2, 3,...