知识卡片
近邻推断承担检索成本
KNN 可以花较少时间拟合,因为预测时才检索相似训练点。暴力检索对每个查询都扫描训练集,规模大时计算与存储都会成为成本。实际可根据维度、所需准确度和延迟考虑索引或其他模型。
[[近邻以局部标签投票]]。保存训练样本并在请求时搜索邻居决定推断成本。
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
- 5.4 KNN分类算法的使用场景 · 查看原书依据
,这将导致多数表决产生“不公平”,待预测的样本很可能会被误划入该类。同时,KNN算法每次均需要计算所有点之间的距离,在样本数量很庞大时,可能需要耗费大量内存才能完成计算。
参考来源
- 位置:《机器学习算法的数学解析与Python实现》5.4 KNN分类算法的使用场景(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/text00059.html`)
- 结论依据:本节说明每个查询计算距离与样本规模相关。
- 原始内容:,这将导致多数表决产生“不公平”,待预测的样本很可能会被误划入该类。同时,KNN算法每次均需要计算所有点之间的距离,在样本数量很庞大时,可能需要耗费大量内存才能完成计算。