统计学习方法笔记,第三章,k近邻法
来源:互联网 发布:企业网络推广方案 编辑:程序博客网 时间:2024/05/16 15:50
k近邻法的三要素:k值的选择,距离度量和分类决策规则
分类规则一般都是多数表决
k近邻法没有显式的训练过程
3.1 k近邻算法
主要思想:k个最近点多数表决,个数最多的类即为最后的分类。
3.2 k近邻模型
3.2.2距离度量
常用的距离,对于两个点,距离定义为:
3.2.3 k值的选择
k太小:对于近邻的样本非常敏感,如果该样本为噪声就会出错。
k太大:较远的(不相似的)训练样本也会对预测起作用。如果k=N,则预测结果永远是最多的类,显然不对。
应用中一般取较小的值,采用交叉验证选取k值。
3.2.4 分类决策规则
多数表决的本质就是使得误分类率最小,即经验风险最小化。
阅读全文
0 0
- 统计学习方法第三章笔记——k近邻法
- 统计学习方法笔记,第三章,k近邻法
- 统计学习方法第三章:k近邻法
- 统计学习方法阅读笔记:k近邻法
- 统计学习方法笔记: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——第三章K近邻
- 统计学习方法(第三章)k近邻算法
- 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》笔记(3):k近邻
- 统计学习方法笔记五---KNN(K近邻)
- 统计学习方法 李航---第3章 k近邻法
- 统计学习方法 第3章 k近邻法
- yii在列表中显示分类名称
- VINS(三)初始化与相机IMU外参标定
- PHP内核探索:变量存储与类型
- 面向对象
- 【Linear Algebra】线性代数
- 统计学习方法笔记,第三章,k近邻法
- 菜鸟先飞之JAVA_方法
- 微信小程序开发之三级联动地址选择器
- Java注解详解
- 关于selenium+python的googledirver和iedirver的配置
- zookeeper leader和learner的数据同步
- Android 关于adb授权原理
- FireMonkey下的WndProc实现
- TreeGrid jQuery plugin