知识卡片
近邻数量控制平滑程度
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?
这张卡片已通过人工审查,不再接受失败反馈。
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