knn演算法的描述：
（1）計算測試資料與各個訓練資料之間的距離；
（2）按照距離的遞增關係進行排序；
（3）選取距離最小的k個點；
（4）確定前k個點所在類別的出現頻率
(5）返回前k個點**現頻率最高的類別作為測試資料的**分類。
演算法優點：
（1）簡單，易於理解，易於實現，
1、knn可以處理分類問題，同時天然可以處理多分類問題，比如鳶尾花的分類，knn還可以處理回歸問題，也就是**
準確度高，對異常值不是很敏感
**演算法缺點：
1、效率低，因為每一次分類或者回歸，都要把訓練資料和測試資料都算一遍，如果資料量很大的話，需要的算力會很驚人
knn對於多維度的資料處理也不是很好，看似相近的兩個點之間，距離越來越大
KNN演算法，K聚類的優缺點
適用資料範圍 數值型和標稱型 目標變數的結果只在有限目標集中取值，如真與假，標稱型目標變數主要用於分類 優點 簡單，易於理解，易於實現，無需引數估計，無需訓練 對異常值不敏感 個別噪音資料對結果的影響不是很大 適合對稀有事件進行分類 適合於多分類問題 multi modal,物件具有多個類別標籤 k...
反向傳播思想及其優缺點
計算出輸出與標籤間的損失函式值，然後計算其相對於每個神經元的梯度，根據梯度方向更新權值。1 將訓練集資料輸入到ann的輸入層，經過隱藏層，最後達到輸出層並輸出結果，這是ann的前向傳播過程 2 由於ann的輸出結果與實際結果有誤差，則計算估計值與實際值之間的誤差，並將該誤差從輸出層向隱藏層反向傳播，...
演算法的優缺點 邏輯回歸演算法的優缺點
邏輯回歸演算法是最經典的幾個機器學習演算法之一，本文對它的優點，缺點進行總結。sigmoid函式 表示式如下 1.實現簡單，廣泛的應用於工業問題上 2.分類時計算量非常小，速度很快，儲存資源低 3.便利的觀測樣本概率分數 4.對邏輯回歸而言，多重共線性並不是問題，它可以結合l2正則化來解決該問題 5...