知识卡片
高维与样本失衡改变近邻
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?
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
- K-NN算法 · 查看原书依据
欧式距离用于计算样本差异的能力就越弱
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