网易云课堂中观看2017年视频记录
第一讲为介绍性课程,略过。
第二讲课程4
k近邻的训练过程很简单,但是预测过程很费时间,并不是一个好的实用性算法。
如今,我们的预测过程要在端设备(运算能力差)上完成,因此分类算法的预测过程要尽可能的减少运算量
神经网络的预测过程只需要直接使用训练好的参数,因此更适合部署到设备中去。
k近邻算法中,如果k=1,很容易由于噪声而过拟合。使用大于1的k可以使决策边界更平滑,得到更好的预测结果。
网易云课堂中观看2017年视频记录
第一讲为介绍性课程,略过。
第二讲课程4
k近邻的训练过程很简单,但是预测过程很费时间,并不是一个好的实用性算法。
如今,我们的预测过程要在端设备(运算能力差)上完成,因此分类算法的预测过程要尽可能的减少运算量
神经网络的预测过程只需要直接使用训练好的参数,因此更适合部署到设备中去。
k近邻算法中,如果k=1,很容易由于噪声而过拟合。使用大于1的k可以使决策边界更平滑,得到更好的预测结果。