knn

    1

    1답변

    난 주변에서 해밍 거리를 얻을 필요가 바이너리 numpy 배열의 1M 가지고, 가장 빠른 방법은 내가 얻을 수있는 가장 빠른 방법은 거리와 함께 플로트 매트릭스를 반환하는 cdist를 사용하고 있습니다. 나는이 같은 시간에 그것을 하나 개의 요소를하고 있어요 그래서 나는 1Mx1M 플로트 행렬을 얻을 메모리가 충분하지 않기 때문에 : from scipy.s

    1

    1답변

    여러 분류 문제가 있으며 각 데이터 포인트 주변에서 가장 가까운 50 개의 이웃을 찾기 위해 KNN 알고리즘을 실행하려고합니다. R에서 FNN 패키지를 사용했지만 데이터 세트가 약 2,900 만 행에 이르기까지 오랜 시간이 걸립니다. 병렬로 KNN을 실행할 수있는 패키지가 R에 있는지 궁금합니다. 그 사용법의 예를 든 당신은 어떤 제안이 있습니까?

    0

    1답변

    저는 Python에서 KNN 알고리즘을 사용하고 MinMaxScaler로 데이터 프레임을 정규화하여 0에서 1 사이의 범위로 데이터를 변환하려고했습니다. 그러나 출력을 반환하면 출력이 1을 초과하는 최소/최대 열을 관찰합니다. 잘못 사용하고 있습니까? 예를 들어 wrong_fragment, 긴급 ( kdd_data_10percent = pandas.read

    0

    2답변

    저는 KDD Cup 1999 데이터 세트에서 KNN 알고리즘을 배우려고 노력하는 컴퓨터에 익숙하지 않습니다. 저는 분류 기준을 작성하고 대략 92 %의 정확도로 데이터 세트를 예측했습니다. 그러나 테스트 및 교육 데이터 세트가 정적으로 설정되어 있고 데이터 집합의 다른 집합에 따라 다를 수 있으므로 정확성이 정확하지 않을 수 있습니다. N Cross Val

    1

    1답변

    훈련 후 시간이 오래 걸리므로 훈련을 계속하고 scikitlearn에서 nusvc() 및 nearestneighbor()를 사용하여 샘플을 추가하는 방법이 있습니까?

    -1

    1답변

    데이터를 분류하기 위해 KNN 알고리즘을 구현해야합니다. 테스트 매트릭스 (200 * 25)와 기차 매트릭스 (800 * 25)가 있습니다. k = 1,3,5의 경우 matlab 에서 KNN과 그 정밀도를 찾아야합니다. 이 지금까지 내 코드이지만, 나는 확실하지 않다 : clc clear all close all train=load('Train.tx

    0

    1답변

    유방암 위스콘신 데이터와 같은 알려진 데이터 세트에서 완벽하게 작동하는 프로그램이 있습니다. 저는 100 개 도시에서 현재의 대기 압력과 주가의 미래 움직임으로 새로운 데이터 세트를 만들었습니다. 그래서 약 100 차원과 -1 또는 1 인 분류자를 추가합니다. 약 350 개의 데이터 인스턴스가 있습니다. 이 알고리즘은 약 80 %의 정확도를 보여줍니다. 내

    0

    1답변

    k-NN 알고리즘을 사용하여 사람 인식을위한 간단한 프로그램을 작성하려고합니다.이 문제는 고전적인 것으로 생각되지만 도움이 필요합니다. k-NN 분류기는 몇 가지 거리를 계산해야하므로 제 질문은 어떻게 비교할 것인가, 또는 두 이미지 간의 거리를 계산하는 방법입니까? (나는 미터 거리로 L2- 표준을 사용해야 함) 감사합니다. !

    3

    1답변

    TensorFlow에서 K-Nearest Neighbor를 구현하는 데 어려움을 겪고 있습니다. 나는 실수를 간과하거나 끔찍한 일을 저지르고 있다고 생각합니다. 다음 코드는 항상 0 from __future__ import print_function import numpy as np import tensorflow as tf # Import MNI

    0

    1답변

    필자는 200 점과 50 점으로 된 두 가지 데이터 집합으로 분류 문제가 있습니다. 이 40 개의 데이터 포인트 중 테스트 세트로 사용됩니다. 나는 5 명의 가장 가까운 이웃을 고려한 분류 자로서 kNN을 선택했다. n_neighbors = 5 std = 5 # generate data X0, y0 = make_blobs(n_samples=200,