knn算法-K-最大近临算法的训练样本和测试样本是什么?

问题描述

K-最大近临算法的训练样本和测试样本是什么?
    我把 jaffe数据库的图片预处理之后分成了训练集和测试集,训练集70张,测试集70张,两个集合的每张图片是对应的,即是同一个人的同一种表情,其余73张图片删掉不用。我把每一张图片imread后reshape成一个行向量,即一张图片对应一个行向量,这样就形成了训练集矩阵 X和测试集矩阵 C。把 X和 C进行 fastica计算,得到 训练集的独立分量矩阵 icasigX和测试集的独立分量矩阵 icasigC。把 icasigX, icasigC,X和 C转置之后进行 X和 C向icasigX和 icasigC投影计算,得到投影系数矩阵 XTOU和 CTOU,这时它俩都是 70*70大小的一列为一个 X的投影系数的方阵。KNN算法有4个输入参数,我令 in等于XTOU转置,test等于 CTOU转置,out等于70*1的 X的类,k先设置为1,最后进行 KNN计算,即 target= KNN[in,out,test,k]。可是我把 k从1试到8,实验结果都差得离谱,说明我的思路是错误的。
    所以 KNN算法的训练样本和测试样本是什么?
时间: 2024-12-17 15:24:14

knn算法-K-最大近临算法的训练样本和测试样本是什么?的相关文章

表情识别-KNN算法的训练样本和测试样本是什么?

问题描述 KNN算法的训练样本和测试样本是什么? 我把 jaffe数据库的图片预处理之后分成了训练集和测试集,训练集70张,测试集70张,两个集合的每张图片是对应的,即是同一个人的同一种表情,其余73张图片删掉不用.我把每一张图片imread后reshape成一个行向量,即一张图片对应一个行向量,这样就形成了训练集矩阵 X和测试集矩阵 C.把 X和 C进行 fastica计算,得到 训练集的独立分量矩阵 icasigX和测试集的独立分量矩阵 icasigC.把 icasigX, icasigC,

协同过滤算法-k最近邻协同过滤中,k值如何确定?

问题描述 k最近邻协同过滤中,k值如何确定? k最近邻协同过滤算法中,如何确定用户最合适的邻居集大小,也就是k.

如何用c++实现第k条最短路径的算法?

问题描述 如何用c++实现第k条最短路径的算法? The shortest path problem can be defined for graphs whether undirected, directed, or mixed. It is defined here for undirected graphs; for directed graphs the definition of path requires that consecutive vertices be connected

图的生成树(森林)(克鲁斯卡尔Kruskal算法和普里姆Prim算法)、以及并查集的使用

图的连通性问题:无向图的连通分量和生成树,所有顶点均由边连接在一起,但不存在回路的图. 设图 G=(V, E) 是个连通图,当从图任一顶点出发遍历图G 时,将边集 E(G) 分成两个集合 T(G) 和 B(G).其中 T(G)是遍历图时所经过的边的集合,B(G) 是遍历图时未经过的边的集合.显然,G1(V, T) 是图 G 的极小连通子图,即子图G1 是连通图 G 的生成树. 深度优先生成森林   右边的是深度优先生成森林: 连通图的生成树不一定是唯一的,不同的遍历图的方法得到不同的生成树;从不

MD5算法之C#程序 MD5算法描述

程序|算法 当我要写一个MD5算法的程序时,发现中英文的语言描述都有一些不确切的地方,某些个细节讲得不清楚,或者说很费解.最后不得不拿出C语言的源程序来调试,这对于理解算法是很不利的.于是就总结了一下我摸索到的一些要点. 1.来历MD5的全称是message-digest algorithm 5(信息-摘要算法,在90年代初由mit laboratory for computer science和rsa data security inc的ronald l. rivest开发出来,经md2.md

JavaScript中数据结构与算法(五):经典KMP算法

  这篇文章主要介绍了JavaScript中数据结构与算法(五):经典KMP算法,本文详解了KMP算法的方方面在,需要的朋友可以参考下 KMP算法和BM算法 KMP是前缀匹配和BM后缀匹配的经典算法,看得出来前缀匹配和后缀匹配的区别就仅仅在于比较的顺序不同 前缀匹配是指:模式串和母串的比较从左到右,模式串的移动也是从 左到右 后缀匹配是指:模式串和母串的的比较从右到左,模式串的移动从左到右. 通过上一章显而易见BF算法也是属于前缀的算法,不过就非常霸蛮的逐个匹配的效率自然不用提了O(mn),网上

《IS-IS网络设计解决方案》一第6章 最短路径优先算法6.1 SPF算法概述

第6章 最短路径优先算法 IS-IS网络设计解决方案 路由选择协议的本质是收集网络环境中的路由选择信息,并选择到所有已知目的的最优路径.如第2章中提到的,在IS-IS协议的体系结构中,这些功能是由两个进程实现的:更新进程与决策进程.更新进程主要负责建立IS-IS数据库并维护其稳定性:决策进程使用最短路径优先(Shortest Path First,SPF)算法基于链路状态数据库中的信息计算到所有已知目的的最优路径.SPF算法通过计算区域内一个特定的节点到其他所有节点的最短路径树从而得出从这个特定

【算法】PHP实现经典算法(下)

前言 前几天,我们通过PHP实现了不同的排序算法,并比较算法对应的耗时. [算法]PHP实现经典算法(上) 下面我们来实现下列算法 堆排序 鸡尾酒排序 直接选择排序 计数排序 CODE $arr = []; for ($i = 0; $i < 5000; $i++) { $arr[] = rand(1, 50000); } // 5 堆排序 /** * 交换两个数的位置 * @param $a * @param $b */ function swap(&$a,&$b){ $temp

JavaScript中数据结构与算法(五):经典KMP算法_javascript技巧

KMP算法和BM算法 KMP是前缀匹配和BM后缀匹配的经典算法,看得出来前缀匹配和后缀匹配的区别就仅仅在于比较的顺序不同 前缀匹配是指:模式串和母串的比较从左到右,模式串的移动也是从 左到右 后缀匹配是指:模式串和母串的的比较从右到左,模式串的移动从左到右. 通过上一章显而易见BF算法也是属于前缀的算法,不过就非常霸蛮的逐个匹配的效率自然不用提了O(mn),网上蛋疼的KMP是讲解很多,基本都是走的高大上路线看的你也是一头雾水,我试图用自己的理解用最接地气的方式描述 KMP KMP也是一种优化版的