APP
Hello，大家好我叫是Dream呀，一個有趣的Python博主，小白一枚，多多關(guān)照 ?
入門須知：這片樂園從不缺乏天才，努力才是你的最終入場券！
最后，愿我們都能在看不到的地方閃閃發(fā)光，一起加油進(jìn)步
“一萬次悲傷，依然會有Dream，我一直在最溫暖的地方等你”，唱的就是我！哈哈哈~
第十章：K最近鄰算法
- ??10.3.1??
10.1橙子還是柚子
如何知道一個水果到底是柚子還是橙子呢？我知道，通常柚子比橙子更大、更紅。
一般而言，柚子更大更紅。這個水果又大又紅，很可能是柚子。但是下面的這樣的水果呢？
如何判斷這個水果是柚子還是橙子？一種方法是看它的鄰居。來看看離它最近的三個鄰居。
在這三個鄰居中，橙子比柚子多，因此這個水果很可能是橙子。祝賀你，你剛才是用的就是K最近鄰（KNN）算法進(jìn)行了分類！
KNN算法雖然簡單但是卻很有用！要對東西進(jìn)行分類時，可首先嘗試這種算法。例如：電影推薦系統(tǒng)。
10.2創(chuàng)建推薦系統(tǒng)
假如你要給用戶創(chuàng)建一個電影推薦系統(tǒng)，從本質(zhì)上來說，這類似于前面的水果問題！你可以將所有用戶都放在一個圖表中。
這些用戶在圖表中的位置取決于其喜好，因此喜好相近的用戶距離較近。假如你想要給Alex推薦電影，可以找出五位與他最接近的用戶。
假如在電影的喜好方面，Justin、JC、Joey、Lance和Chris都和Alex差不多，因此他們喜歡的電影，很可能Alex也很喜歡。
但是還有一個重要的問題，怎么確定他們之間的相似程度呢？
10.2.1
在前面的水果示例中，你根據(jù)個頭和顏色來比較水果，換而言之，你比較的是個頭和顏色?，F(xiàn)在假設(shè)有三個水果，你可抽取它們的特征。
再根據(jù)這些特征繪圖：
這樣我們就可以來計算任意兩種物品之間的直線距離。
10.2.2
假設(shè)你不僅要為Alex推薦電影，還要預(yù)測她將給這部電影打多少分。為此，先找出與她最近的五個人。
順便說一句，我老說最近的五個人，其實并非一定要選擇5個最近的鄰居。這就是所說的K最近鄰。
假如你要預(yù)測Alex給電影打多少分，你可以參考另外五個人的打分，對其求平均值，這就是回歸！
你將使用KNN來做兩項基本工作——分類和回歸：
- 分類就是編組；
- 回歸就是預(yù)測結(jié)果。
10.3機(jī)器學(xué)習(xí)簡介
10.3.1
OCR指的是光學(xué)字符識別，這意味著你可拍攝印刷頁面的照片，計算機(jī)將自動識別出其中的文字。
如何識別出這個數(shù)字是什么呢？可使用KNN。
- 瀏覽大量的數(shù)字圖像，將這些數(shù)字的特征提取出來。
- 遇到新的圖像時，你提取該圖像的特征，再找出它最近的鄰居都是誰！
與前面的水果實例相比，OCR中的特征提取要復(fù)雜得多，但再復(fù)雜的技術(shù)也是基于KNN等簡單理念的。這些理念也可用于語音識別和人臉識別。你將照片上傳到Facebook時，它有時候能夠自動標(biāo)出照片中的人物，這是機(jī)器學(xué)習(xí)在發(fā)揮作用！
OCR的第一步是查看大量的數(shù)字圖像并提取特征，這被稱為訓(xùn)練！大多數(shù)機(jī)器學(xué)習(xí)算法都包含訓(xùn)練的步驟：要讓計算機(jī)完成任務(wù)，必須先訓(xùn)練它。
10.4小結(jié)
1.KNN用于分類和回歸，需要考慮最近的鄰居。
2.分類就是編組。
3.回歸就是預(yù)測結(jié)果（如數(shù)字）。
4.特征抽取意味著將物品轉(zhuǎn)換成一系列可以比較的數(shù)字。
5.能否挑選出合適的特征事關(guān)KNN算法的成敗。
最后的福利
??????最后一點(diǎn)小福利帶給大家：如果想快速上手python的小伙伴們，這個詳細(xì)整理PPT可以迅速幫助大家打牢python基礎(chǔ)，需要的小伙伴們可以下載一下 Python入門基礎(chǔ)教程全套+小白速成+學(xué)不會來找我！
還有自制表白神器，需要自?。?/p>
Python表白神器，源碼+解析+各種完美配置+浪漫新穎
好啦，這就是今天要給大家分享的全部內(nèi)容了
如果你喜歡的話，就不要吝惜你的一鍵三連了~
本文摘自 ：https://blog.51cto.com/u
