|
关注：1
2013-05-23 12:21
求翻译：ML-KNN is a multi-label lazy learning approach, which is derived from the traditional k-Nearest Neighbor (KNN) algorithm. The essential idea of ML-KNN is that: for each unseen instance, its k nearest neighbors in the training set are firstly identified. After that, based on statistical information gained from the label是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
ML-KNN is a multi-label lazy learning approach, which is derived from the traditional k-Nearest Neighbor (KNN) algorithm. The essential idea of ML-KNN is that: for each unseen instance, its k nearest neighbors in the training set are firstly identified. After that, based on statistical information gained from the label
问题补充： |
|
2013-05-23 12:21:38
ML- KNN是一个多标签懒惰学习方法，这是从传统的K近邻（ KNN ）算法得出。
|
|
2013-05-23 12:23:18
ML-KNN是多标签懒惰学习的方法，从传统最k近的附近(KNN)算法获得。ML-KNN根本想法是那：对于每个未看见的事例，它的训练集合的k最近的邻居首先被辨认。
|
|
2013-05-23 12:24:58
ML-KNN是多标记懒惰学习的方法，从传统最k近的邻居KNN (算法) 获得。 ML-KNN根本想法是那： 为每个未看见的事例，它的k最近的邻居在训练集合首先被辨认。 在那以后，根据从这些邻居事例标号组获取的统计信息，即。 属于每可能的类，最大值的邻居事例的数量一项后部 (地图) 原则被运用确定标号组为未看见的例子。 其外，欧几里德的距离用于测量相似性在样品之间。
|
|
2013-05-23 12:26:38
毫升 KNN 是一个多标签慵懒的学习方法，这来自传统 k 最近邻 （KNN） 算法。毫升 knn 算法的基本思想是： 对于每个看不见的实例，其 k 近邻中训练集首先，确定。在那之后，基于统计信息从这些邻国的情况下，即属于每个可能的类，最大的邻国实例数的标签集获得 （MAP） 后的一项原则用于确定为看不见的示例设置的标签。此外，欧几里德距离用于样品之间的相似性度量。
|
|
2013-05-23 12:28:18
ML-KNN 是一个多标签懒惰学习方法，起源于传统 k-Nearest 邻居 (KNN) 算法。ML-KNN 的必要的想法是那：对每个未经预习的示例，其 k 在训练套中的最近的邻居首先被标识。此后，根据统计信息来自于标签一套这些附近的示例，即属于每节可能的课的附近的示例数量，最大值较晚 ( 地图 ) 原则被利用确定为未见过的例子设定的标签。再说，欧几里得的距离用于测量例子之间的类似。
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
