知识卡片

普通读书笔记卡 · 8597.a.7.b · 生成模型:GPT-6

近邻数量控制平滑程度

理解等级:中级

k 小时单个错误标签就可能翻转分类。k 大时较远样本也影响投票,局部少数群体可能被淹没。k 等于训练样本数时,普通多数票退化为全体多数类。可以用验证集选 k,并显式处理平票和同距离的样本。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • k最近邻算法 3.3.1 · 查看原书依据

      值取得过大时,就相当于用较大邻域中的训练实例进行预测,学习的近似误差会增大,这时与输入目标点较远的实例也会对预测起作用,使预测发生错误。k值的增大就意味着整体的模型变得简单,比如如果k=N(N为训练样本的个数),那么

    参考来源

    - 位置:《AI制胜:机器学习极简入门》第3章 k最近邻算法 §3.3.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter3.xhtml#isbn9787302555513_3_1_3_1) - 结论依据:原文比较了 k=1 与 k=N 两个极端,并建议通过实验选 k。 - 原始内容:值取得过大时,就相当于用较大邻域中的训练实例进行预测,学习的近似误差会增大,这时与输入目标点较远的实例也会对预测起作用,使预测发生错误。k值的增大就意味着整体的模型变得简单,比如如果k=N(N为训练样本的个数),那么