文件名称：kNN.jl:Julia中的k最近邻算法
文件大小：7KB
文件格式：ZIP
更新时间：2024-06-05 22:27:54
Julia
kNN 基本的k最近邻分类和回归。 有关可在k-NN分类中使用的距离度量的列表，请参见 有关可用于内核回归的平滑内核的列表，请参见 示例1：使用欧几里得距离进行分类 using kNN using DataArrays using DataFrames using RDatasets using Distances iris = dataset("datasets", "iris") X = array(iris[:, 1:4])' y = array(iris[:, 5]) model = knn(X, y, metric = Euclidean()) predict_k1 = predict(model, X, 1) predict_k2 = predict(model, X, 2) predict_k3 = predict(model, X, 3) predict_k4 =
【文件预览】：
kNN.jl-master
----.travis.yml(611B)
----test()
--------data()
--------majority_vote.jl(349B)
--------classifier.jl(613B)
--------runtests.jl(229B)
--------regress.jl(492B)
----src()
--------kNN.jl(261B)
--------majority_vote.jl(273B)
--------classifier.jl(1KB)
--------regress.jl(2KB)
----LICENSE.md(1KB)
----REQUIRE(54B)
----README.md(2KB)