← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 10012.a · 生成模型:GPT-6

邻居数量控制局部性

理解等级:中级

K=1 时分类由一个最近点决定,局部噪声可以改变输出。增大 K 通常会平滑边界,但也可能把局部少数模式淹没。应在相同的验证切分上比较 K、距离和预处理组合,书中的经验范围只适合当候选。

[[近邻以局部标签投票]]。K 控制参加局部表决的邻域大小。

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

    • 5.2 KNN分类的算法原理 · 查看原书依据

      不同的算法模型可调的参数是不一样的。在KNN算法中,“KNN”中的这个“K”——也就是该选几个点,就是一个需要根据实际情况调节以便取得更好拟合效果的参数,可以根据交叉验证等实验方法,结合工作经验进行设置,一般情况下,K的值会在

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》5.2 KNN分类的算法原理(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/text00055.html`) - 结论依据:原文建议结合交叉验证设置邻居数,并用图示分解定位邻居和投票。 - 原始内容:不同的算法模型可调的参数是不一样的。在KNN算法中,“KNN”中的这个“K”——也就是该选几个点,就是一个需要根据实际情况调节以便取得更好拟合效果的参数,可以根据交叉验证等实验方法,结合工作经验进行设置,一般情况下,K的值会在