知识卡片
近邻投票依赖距离
k 近邻先按距离找已标记样本,再汇总其标签。分类常用多数票,回归常用数值平均。邻居数量、距离度量和特征尺度都会改变结果。类别不平衡时,距离加权会让最近的点拥有更重的票,但仍需要独立验证效果。
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
- “机器学习”三重门,“中庸之道”趋若人 3.1 监督学习 3.1.1 感性认知监督学习 3.1.2 监督学习的形式化描述 3.1.3 k-近邻算法 · 查看原书依据
最后,距离计算的方式不同,也会显著影响谁是它的“最近邻”,从而也会显著影响分类结果。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第03章《“机器学习”三重门,“中庸之道”趋若人》3.1(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter8_0001.xhtml#txt003_2)
- 结论依据:原文以该小节的定义、分类或近似实例界定 近邻投票依赖距离 的适用范围。
- 原始内容:最后,距离计算的方式不同,也会显著影响谁是它的“最近邻”,从而也会显著影响分类结果。