二手车价格预测得分：91％ 数据清理，数据可视化，数据预处理，ML模型（LR，DT，RF，GBR，KNN，SVM，XGBR，TENSORFLOW），PCA，LDA，度量标准（R Square，MSE，RMSE，MAE）

使用OpenCV求解数独，文档中包含训练样本和完整的代码，代码使用C++编写。使用的数独是来自手机APP游戏中的数独。代码中有较多的注释说明。

这是使用 2 种技术的基于内容的图像检索的简单演示。 1.使用knn进行图像检索2.使用svm进行图像检索。 注意：请按照以下步骤操作，以避免常见错误。 1.转到以下链接http://wang.ist.psu.edu/docs/related/ 并下载 100 张测试图像 zip 文件 2. 将 zip 文件中的图像解压缩到 ImageRetrieval/images 文件夹并覆盖该目录中先前存在的任何现有图像 3. 为了进行任何查询，您将被要求首先加载数据集。 不用担心该目录包含完整的 dataset.mat 文件，您可以加载该文件然后启动您的查询。 也可以从github下载源代码： https : //github.com/kirk86/ImageRetrieval

MotionML 使用KNN-DTW和TinyLearn的分类器进行运动模式识别 这是使用TinyLearn模块根据提供的加速度计数据识别（分类）运动模式的特定领域示例。 此演示中包含以下运动模式： 步行 坐在椅子上 从床上起床 喝一杯 下降楼梯 梳头 刷牙 加速度计数据基于UCI的以下公共数据集： : 用于机器学习的动态时间规整（DTW）和K最近邻（KNN）算法用于演示使用加速度计数据标注变长序列的方法。 这样的算法可以应用于时间序列分类或其他情况，这些情况需要长度不等的匹配/训练序列。 Scikit-Learn没有任何DTW实现，因此作为TinyLearn模块的一部分已实现了自定义类（KnnDtwClassifier）。 考虑到DTW的二次复杂度，默认情况下DTW较慢，这就是为什么我们使用TinyLearn的直方图和CommonClassifier替代方法来加快分类的原因

BP+近邻KNN+LS最小二乘算法的matlab代码——亲测可用（含实例）

加权KNN分类 在加权KNN算法中，逆距离加权方法已被用来确定距离点的重要性。 根据这种方法，最近邻居的标签比远邻的标签对分类的影响更大。

参考<>一书第二章k近邻算法， 第二节【使用k近邻算法改进约会网站的配对效果】所写成。

第5章 LinearR/PLR/SVR/KNN/DTR/RFR（测算房价） python数据挖掘预测Boston房价  以上为两个博客，本文都是从中整理而来 第一个数据集，包名如下： housing.csv 0.00632 18.00 2.310 0 0.5380 6.5750 65.20 4.0900 1 296.0 15.30 396.90 4.98 24.00 0.02731 0.00 7.070 0 0.4690 6.4210 78.90 4.9671 2 242.0 17.80 396.90 9.14 21.60

亲测好用 KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。

用python手写KNN算法+kd树及其BBF优化（原理与实现）（上篇） 初学python和机器学习，突然兴起想动手用python实践一下KNN算法，本来想着这个算法原理很简单明了，应该实现起来没什么大问题，然而真正上手的时候问题频出，花了好一些功夫挨个排除各种奇怪的bug，总算是大功告成。接下来我会介绍一下算法的手写实现和在此过程中亲遇的各种问题，希望能够帮到大家。实验所需数据链接在文章最后。 ps：从学习C语言以来形成了print调试的毛病，所以在代码中保留了一些用于调试的输出重要信息的print语句，放在了后面的完整print信息版代码中，方便理解代码和调试。千万注意在使用time()方