知识卡片
距离定义左右近邻
L1把各维差的绝对值相加,L2按平方和开根,两者对集中在一维的差别处理不同。示例中,距原点的点(3,0)和(2,2),按L1前者近,按L2后者近。应按属性单位和任务选相似性。
特征尺度与距离函数共同决定近邻。参见 [[归一化受极值影响]]。
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
- 数据分类 近邻检索与投票分类 · 查看原书依据
似程度是KNN排序的关键依据,由不同的相似性度量可能得到不同的分类结果。因此,相似性度量是KNN分类十分重要的一个步骤。表4.1所
参考来源
- 位置:《机器学习基础》第4章,4.2 KNN分类(book-source:extracted/机器学习基础/_epub-src/EPUB/xhtml/chapter27.xhtml)
- 结论依据:原文借「由不同的相似性度量可能得到不同的分类结果」处的论述给出本卡所解释的关系或做法。
- 原始内容:似程度是KNN排序的关键依据,由不同的相似性度量可能得到不同的分类结果。因此,相似性度量是KNN分类十分重要的一个步骤。表4.1所