遵义网站,wordpress收费采集,网站开发文档word,群晖做网站连接数据库AI目录#xff1a;sheng的学习笔记-AI目录-CSDN博客 什么是k近邻学习
k近邻#xff08;k-Nearest Neighbor#xff0c;简称kNN#xff09;学习是一种常用的监督学习方法#xff0c;是一种基本的分类与回归方法。
分类问题#xff1a;对新的样本#xff0c;根据其 k 个…AI目录sheng的学习笔记-AI目录-CSDN博客 什么是k近邻学习
k近邻k-Nearest Neighbor简称kNN学习是一种常用的监督学习方法是一种基本的分类与回归方法。
分类问题对新的样本根据其 k 个最近邻的训练样本的类别通过多数表决等方式进行预测。回归问题对新的样本根据其 k 个最近邻的训练样本标签值的均值作为预测值。
原理
基本原理
给定测试样本基于某种距离度量找出训练集中与其最靠近的k个训练样本然后基于这k个“邻居”的信息来进行预测。
通常在分类任务中可使用“投票法”即选择这k个样本中出现最多的类别标记作为预测结果
在回归任务中可使用“平均法”即将这k个样本的实值输出标记的平均值作为预测结果
还可基于距离远近进行加权平均或加权投票距离越近的样本权重越大
k近邻学习是惰性学习的代表
懒惰学习
在训练阶段仅仅是把样本保存起来训练时间开销为零待收到测试样本后再进行处理
急切学习
在训练阶段就对样本进行学习处理的方法
示意图
k是一个重要参数当k取不同值时分类结果会有显著不同。另一方面若采用不同的距离计算方式则找出的“近邻”可能有显著差别从而也会导致分类结果有显著不同 错误概率
下面一坨公式看得懂就看看不懂记住结论
最近邻分类器虽简单但它的泛化错误率不超过贝叶斯最优分类器的错误率的两倍 优缺点 k近邻模型具有非常高的容量这使得它在训练样本数量较大时能获得较高的精度。 它的缺点有 参考文章
5.knn - 一、k 近邻算法 - 《AI算法工程师手册》 - 书栈网 · BookStack
机器学习 书
