知识卡片

普通读书笔记卡 · 10107 · 生成模型:GPT-6

K近邻依邻居投票

理解等级:中级

K 近邻分类对新样本查找距离最近的 K 个带标签训练样本,并按标签投票。K 较小时边界可能对噪声敏感,K 较大时可能抹去局部小类别;距离度量和特征尺度也会影响邻居。它通常需要保存样本并在预测时做近邻搜索。

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:《深度学习:从基础到实践(上下册)》第13章《分类器》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0020_split_003.html`) - 结论依据:原文比较方法并用不同 K 的样本投票示例说明近邻法;模型假设与成本边界避免泛化原书表述。 - 原始内容:综上所述,kNN接收一个需要分类的新样本和一个k的值。然后它找到距离新样本最近的k个样本,让它们进行“投票”来决定新样本的类别。哪种类别的“得票数”最多,新样本就被分至哪种类别。 有很多不同的方法来处理特殊情况,但上述方