エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【k-近傍法】scikit.learnのBallTreeを使ってみた! - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【k-近傍法】scikit.learnのBallTreeを使ってみた! - Qiita
【k-近傍法】scikit.learnのBallTreeを使ってみた! <目次> 1.はじめに 2.k-近傍法とは 3.BallTreeの... 【k-近傍法】scikit.learnのBallTreeを使ってみた! <目次> 1.はじめに 2.k-近傍法とは 3.BallTreeの特徴 4.実装 5.参考にしたサイト・書籍 1.はじめに kaggleの「Foursquare - Location Matching」という大会に取り組んでいく中で,k-近傍法のパッケージであるscikit.learnのBallTreeを使う機会があったため,学んだことや実装する場面・方法をご紹介していきたいと思います! 2.k-近傍法(kNN法)とは 対象とするデータに最も近いデータをk個取ってきて,それらが最も多く所属するクラスに識別する方法. 図1 図1の場合だと,k=3の場合は対象のデータはクラス1に分類され,k=5の場合はクラス2に分類される. ※名前が似ているK-平均法(K-means)とは別物なので注意. (K-平均法は,データの平均値を