knn

    -1熱度

    1回答

    我是R和機器學習的新手。我使用歐幾里德距離運行KNN分類。我想知道如何在R中使用餘弦和jaccard距離而不是Euclidian?有沒有我可以使用的軟件包? 謝謝

    0熱度

    1回答

    我開發了一個電報機器人,它可以匹配2個用戶使用相同的語言,當他們都在尋找一個具有postgres查詢的合作伙伴時。 我想添加可選的能力來匹配用戶也取決於位置(最接近的用戶)。 因爲這是一個選項,我想我會保持列默認情況下,如果用戶發送他的位置我添加它。 我打算用postigs來實現這個。 我有兩個問題: 是它更好地使用地理或幾何?因爲人們可以來自世界各地,我在這些情況下閱讀最好是使用地理,但無論如何

    0熱度

    1回答

    我對Python和機器學習相對較新,但我一直在努力構建抵押價格的預測模型。我在掙扎的地方是使用K-最近鄰算法來創建一個特徵。 這就是我所理解的機制就是我要完成的任務: 我有兩個數據文件:出售抵押貸款和上市 在這兩個數據文件我也有同樣的功能抵押貸款(包括緯度/長)。 我想創建一個列在抵押貸款上市列表,表示最緊密相關的家庭在中區價格的中間地區。 我將使用3中列出的方法創建1-3個月,4-6個月,7-1

    0熱度

    1回答

    我想使用自定義數據集,其中包含除英語以外的其他語言的手寫字符圖像。我打算使用分類手寫字符的KNN算法。 下面是我在這個時間點面臨的一些挑戰。 1.圖像大小不同。 - 我們如何解決這個問題,使用Python完成任何ETL工作? 2.即使我們假設它們具有相同的尺寸,每個圖像的潛在像素將在70 * 70左右,因爲字母比英文複雜且字符之間具有許多特徵。 - 這對我的訓練和表現有什麼影響?

    0熱度

    2回答

    我想了解的~.在R.含義這是從kknn函數的一個例子: library(kknn) data(iris) m <- dim(iris)[1] val <- sample(1:m, size = round(m/3), replace = FALSE, prob = rep(1/m, m)) iris.learn <- iris[-val,] iris.valid <- iris[val

    0熱度

    1回答

    我正在嘗試對35000行數據進行一些文本挖掘,並且當我嘗試從modeldata創建模型時,我採用了行,我決定用於培訓和測試。而且,我還將已知類別的訓練數據輸入到模型中。 我收到此錯誤。 錯誤在KNN(modeldata [火車],modeldata [測試],CL [火車]): 太多的關係在KNN 任何建議如何解決它。 我已經爲100 問候, 仁種子。

    0熱度

    1回答

    有哪些,我苦苦尋找的答案兩個實際的問題: 餐廳服務:當我用我的訂餐應用程序(如FoodPand,Zomato,等等),當我登錄時,應用會檢測到我的位置,並據此建議附近的餐館(可能範圍足夠好,以便所選餐廳可以提供食物)。 駕駛室服務:當我使用出租車服務(如尤伯杯或OLA),他們也檢測到我的位置,當我嘗試預訂了一輛出租車,並建議可當時附近的出租車。 問: 如何找到最近的餐館和出租車最近做?他們實際使用

    0熱度

    1回答

    在R中使用mlr包並進行交叉驗證時,是否可以從kknn模型中檢索距離矩陣? library("mlr") data(iris) task = makeClassifTask(data = iris, target = "Species") lnr = makeLearner( cl = "classif.kknn", predict.type = "prob",

    2熱度

    1回答

    更新的問題: 我這樣做,但我得到了同樣的結果,既精度和召回是因爲我使用average ='binary'? 但是當我使用平均= '宏觀' 我收到此錯誤信息: 測試定製審覈 messageC:\ Python27 \ LIB \站點包\ sklearn \指標\ classification.py:976 : DeprecationWarning:從版本0.18開始,當使用平均精確度/召回率/ F-

    0熱度

    2回答

    同胞隊 有一個問題 ---------------------- Avg.SessionLength TimeonApp TimeonWebsite LengthofMembership Yearly Amount Spent 0 34.497268 12.655651 39.577668 4.082621 587.951054 1 31.926272 11.1094