4.1 最近邻规则分类算法(KNN)
来源:互联网 发布:仿优酷视频网站源码 编辑:程序博客网 时间:2024/05/09 03:27
综述
1.1 Cover和Hart在1968年提出了最初的邻近算法
1.2 分类(classification)算法
1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)例子:
未知电影属于什么类型?
3. 算法详述
3.1 步骤: 为了判断未知实例的类别,以所有已知类别的实例作为参照 选择参数K 计算未知实例与所有已知实例的距离 选择最近K个已知实例 根据少数服从多数的投票法则(majority-voting),让未知实例归类为K个最邻近样本中最多数的类别 3.2 细节: 关于K 关于距离的衡量方法: 3.2.1 Euclidean Distance 定义
其他距离衡量:余弦值(cos), 相关度 (correlation), 曼哈顿距离 (Manhattan distance) 3.3 举例
算法优缺点:
4.1 算法优点
简单
易于理解
容易实现
通过对K的选择可具备丢噪音数据的健壮性4.2 算法缺点
需要大量空间储存所有已知实例
算法复杂度高(需要比较所有已知实例与要分类的实例)
当其样本分布不平衡时,比如其中一类样本过大(实例数量过多)占主导的时候,新的未知实例容易被归类为这个主导样本,因为这类样本实例的数量过大,但这个新的未知实例实际并木接近目标样本改进版本
考虑距离,根据距离加上权重
比如: 1/d (d: 距离)
1 0
- 4.1 最近邻规则分类算法(KNN)
- 最近邻规则算法(KNN)
- K最近邻分类算法(KNN)
- 4.2 最近邻规则分类算法(KNN)应用
- 机器学习之K-最近邻规则分类(KNN)算法
- 02--机器学习之最近邻规则分类(KNN)
- KNN(K-最近邻分类)分类算法
- 最邻近规则分类算法(KNN)
- 第九章 KNN(K最近邻分类算法)
- 关于K最近邻分类算法(KNN)的综述
- Python KNN最近邻分类算法
- KNN最近邻分类算法 + cs231n assignment1
- 分类:最近邻knn
- 最近邻算法(KNN)
- 最近邻算法(KNN)
- 最近邻算法(KNN)
- 2-1 最近邻规则分类(K-Nearest Neighbor)KNN算法
- 最近邻分类器(KNN)
- LeetCode进阶之路(Longest Substring Without Repeating Characters)
- C的游戏
- Android开发者已经渡过了初级吗
- 通信基站的备用电源自动投切
- EasySwift/YXJTagView 极其强大的标签框架,不仅可以填充文字,任意视图都可以
- 4.1 最近邻规则分类算法(KNN)
- Android Studio编译输出apk文件修改文件名
- 淘宝开源Web服务器Tengine基本安装步骤
- 4.2 最近邻规则分类算法(KNN)应用
- 先验概率,似然函数和后验概率
- EasySwift/EasySearchBar 自定义SearchBar
- Java ssh的实现具体步骤
- view的setTag() 和 getTag()应用
- 讯飞语音开发之语音唤醒