知识卡片

普通读书笔记卡 · 10051.c.2 · 生成模型:GPT-6

高维与样本失衡改变近邻

理解等级:高级

在许多高维数据中,新增的无关维度会淹没有用特征差异,使近远点难以区分。类别数量悬殊时,邻域也可能由多数类占满。可检查每类召回率、邻居组成和距离分布,再验证特征变换或减少冗余是否有帮助。

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

    参考来源

    - 位置:《机器学习观止:核心原理与实践》第05章《K-NN算法》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter5.xhtml`)。 - 结论依据:第 5.4 节分别说明高维度量区分力下降,以及多数类样本对投票的影响。 - 原始内容:欧式距离用于计算样本差异的能力就越弱