文件名称：Performance-Comparison-of-kNN-and-GD
文件大小：8.59MB
文件格式：ZIP
更新时间：2024-05-08 18:32:18
Python
kNN和GD的性能比较 关于 该项目旨在分析两种自定义书面回归算法与的最新实现方式之间的。 两种算法分别是k最近邻（KNN）和梯度下降（gd）。 两者都在python中完全实现。 比较的关键是这两种算法的准确性和效率，但是我们将进一步比较mse，mae，r2。 要求 为了运行这些实验中你需要在提供给定的模块安装的Python 3 requirements.txt文件。 要安装所有必需的依赖项，请使用pip pip install -r requirements.txt 此外，您需要下载数据集并将其放置在正确的位置。 数据集 您需要下载两个数据集并将其移至正确的位置。 鱼 通过下载fish数据集，并将其另存为fish.csv到evaluations/fish/data/文件夹中。 员工 通过下载鱼数据集，并将数据集作为employee.arff保存到evaluations/employee
【文件预览】：
Performance-Comparison-of-kNN-and-GD-master
----plotting()
--------plotter.py(6KB)
--------plots()
--------evaluations()
----algorithms()
--------utils.py(512B)
--------knn()
--------gd()
----evaluation()
--------fish()
--------employee()
----requirements.txt(432B)
----README.md(3KB)
----.gitignore(2KB)