你好，这个 repo 讨论分类和聚类， 算法包含KMeans、KNN和Hierarchical clustering。 我希望你能通过这个 repo 得到帮助，如果时间允许，我会推出更多的算法。 参考 K均值： : KNN： :

分析了KNN分类算法的流程,然后在K值的动态获取和分类加权两个方面对分类算法进行改进;利用MapReduce编程思想完成KNN分类算法在Hadoop集群环境下的移植和实现。实验数据证明,改进后的KNN分类算法在人脸识别精度、识别效率和稳定性3个方面得到了有效提高。

对KNN原理的详细理解，包括对KNN的核心思想以及算法的描述。以及绘制KNN的决策面，对KNNk值的选择的分析和总结。

matlab 10折交叉验证知识代码简介：预测和可视化的结果位于“结果”文件夹下。 那些ML模型预测的是每条记录的位置，而html文件可视化的是车辆加速和访问的前10个位置。 这些html文件由Python脚本生成，将位置速度限制与汽车记录进行比较，并计算所有位置的频率。 原始数据集（位于文件夹“ 1-data-preprocessing”中）： linkinfo-copy.csv：包含传感器信息的excel文件 traffic-csv文件夹：该文件夹包括从04/2015到12/2016的所有流量记录 源代码： 1-data-preprocessing文件夹：该文件夹包括有关数据预处理的所有脚本（步骤1） 2-ml-model：包含所有机器学习脚本的文件夹（第2步） 3-可视化：该文件夹包括有关可视化的所有脚本（第3步） 补充材料： 纸文件夹：包含我用作参考的所有纸的文件夹 结果文件夹：该文件夹包含屏幕截图和ML预测和可视化结果的输出 ================================================== =========================

matlab指纹室内定位算法KNN'仿真

本文实例为大家分享了python实现knn算法的具体代码，供大家参考，具体内容如下 knn算法描述 对需要分类的点依次执行以下操作： 1.计算已知类别数据集中每个点与该点之间的距离 2.按照距离递增顺序排序 3.选取与该点距离最近的k个点 4.确定前k个点所在类别出现的频率 5.返回前k个点出现频率最高的类别作为该点的预测分类 knn算法实现 数据处理 #从文件中读取数据，返回的数据和分类均为二维数组 def loadDataSet(filename): dataSet = [] labels = [] fr = open(filename) for line in fr.

首先采取最近邻判断，然后将最近邻分类出错的人脸进行三近邻判断，并进行一定的显示

本资源实现了KNN算法应用手写数字识别案例，利用KNN算法的简单原理解决如何识别数字。本资源利用数字图片的二值化值作为特征，进行特征提取。通过训练集的二值化特征与测试集的二值化特征的欧式距离，通过排序，选取前K个中标签出现次数最多的为预测值。 本资源自带150个数据集进行训练、测试！

通过最近邻域法（KNN）实现手写数字的识别，并且计算识别的准确率

手写数字识别案例数据集及demo源码