统计学习方法读书笔记--3.K近邻法
来源:互联网 发布:redist linux 编辑:程序博客网 时间:2024/05/20 16:43
定义
- 求与向量
x 距离最近的k 个向量,将多数向量的类别作为x 的类别; 分类,回归;
三要素
- 距离度量
k 值的选择- 分类决策规则
距离度量
Lp 距离- Minkowski距离
- 欧氏距离;
Lp 定义
p=2 时为欧氏距离,平面距离;p=1 时为曼哈顿距离,差的绝对值;p=∞ ,它是各个坐标距离的最大值,即:
K值的选择
k 值较小,近似误差小,估计误差大,容易发生过拟合;k 值较大,近似误差大,估计误差小,不相似的实例也会对预测起到作用,是预测发生错误;模型变得简单;- 实际应用:
k 取比较小的值,通过交叉验证来选择最优的k
分类决策规划
- 多数表决规则;
实现-kd 树
- 多维空间分割树,KD树
KD树在POI中的应用
- 通过KD树,快速找到与用户最近的k个商家;
- 查到用户指定距离中的POI;
其他
- R树,
- BallTree;
0 0
- 统计学习方法读书笔记--3.K近邻法
- [统计学习方法]K近邻法
- 统计学习方法-----k近邻法
- 统计学习方法:k近邻法
- 统计学习方法---k近邻法
- 统计学习方法阅读笔记:k近邻法
- 统计学习方法第三章:k近邻法
- 统计学习方法——k近邻法
- 三、k近邻法--统计学习方法总结
- 统计学习方法笔记:K近邻法
- 统计学习方法--K近邻法 python实现
- 统计学习方法---KNN(K近邻)
- 统计学习方法笔记-K近邻(k-NN)
- 统计学习方法笔记(三):K近邻法
- 《统计学习方法》笔记(四)--k近邻法
- 统计学习方法第三章笔记——k近邻法
- 统计学习方法 李航---第3章 k近邻法
- 统计学习方法----k近邻法的实现:kd树
- CentOS 6.x下cmake编译方式安装MySQL5.5
- Overlapping Squares (UVA
- 操作符重载前置和后置的区别与实现
- Shell脚本编程基础 三 使用结构化命令
- 327. Count of Range Sum Hard
- 统计学习方法读书笔记--3.K近邻法
- Hibernate 与mybatis的区别
- 算法设计与应用基础:第十二周
- android--Zxing的引入和自定义部分扫描框
- iOS
- JAVA多态很变态的一个题
- NSString 大小写切换
- NSString 去掉首尾空格
- NSString 常用方法