知识卡片
近邻以局部标签投票
K 最近邻分类用带标签的训练样本作为参照。给定新点,按距离挑出最近的 K 个,再统计标签。假设最近三个邻居分别是 A、A、B,等权表决输出 A。若让全体训练样本等权表决,所有查询都会得到同一个全局多数类。
[[标签决定监督任务]]。KNN 使用有标签样本的局部投票解决监督分类。
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
- 5.1.4 KNN的具体含义 · 查看原书依据
KNN的关键在于最近邻,光看名字似乎与分类没有什么关系,但前面我们介绍了,KNN的核心在于多数表决,而谁有投票表决权呢?就是这个“最近邻”,也就是以待分类样本点为中心,距离最近的K个点。这K个点中什么类
参考来源
- 位置:《机器学习算法的数学解析与Python实现》5.1.4 KNN的具体含义(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00054.html`)
- 结论依据:本节明确说明 K 个近邻拥有表决权并决定分类。
- 原始内容:KNN的关键在于最近邻,光看名字似乎与分类没有什么关系,但前面我们介绍了,KNN的核心在于多数表决,而谁有投票表决权呢?就是这个“最近邻”,也就是以待分类样本点为中心,距离最近的K个点。这K个点中什么类