ML-kNN 多标签k近邻算法
来源:互联网 发布:mac office 彻底关闭 编辑:程序博客网 时间:2024/04/30 03:21
传统kNN
k近邻算法(k-Nearest Neighbour, KNN)是机器学习中最基础,最简单的常用算法之一。其思想非常直接:如果一个样本在特征空间中的k个最相似(即特征空间中距离最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。
如下图的
这个思想很容易理解,就是俗话中常说的“近朱者赤,近墨者黑”。在单标签学习中,与一个实例在特征空间中越相近(即距离越近)的实例,他们之间标签相同的可能性就越大。
多标签kNN
而在多标签问题中,我们仍可根据这个思想推导出多标签学习的kNN算法,即ML-kNN算法。
多标签kNN的主要思想是对于每一个新实例(instance),距离它最近的k个实例(特征空间中与它的距离最小的k个实例)可以首先得到,然后得到这些实例的标签集合,之后通过最大后验概率准则来确定新实例的标签集合。
这里给出算法的具体数学计算方法:
变量定义:
然后,我们可以得到对应
这里,
则,对于新的实例
其中,
其中
即样本中拥有
后验概率
其中
则
由此,
算出
- ML-kNN 多标签k近邻算法
- ML-kNN 多标签k近邻算法
- ML-kNN 多标签k近邻算法 MLL Week 1
- ML-kNN 多标签k近邻算法 MLL (转)
- ML--K-近邻算法
- k-近邻算法(kNN)
- k-近邻算法(kNN)
- k近邻算法(kNN)
- KNN(K近邻)算法
- KNN(k近邻算法)
- K-近邻算法(KNN)
- KNN ( K近邻算法 )
- k近邻算法(kNN)
- K-近邻算法:KNN
- k-近邻算法(kNN)
- kNN-k近邻算法
- K近邻算法-KNN
- K近邻算法-KNN
- openwrt和srun的两三事
- poj2718(子集生成)
- 【技巧】数组作为另一个数组的下标
- 实验记录:Oracle redo logfile的resize过程
- Ubuntu PPA用法简介
- ML-kNN 多标签k近邻算法
- 观察者模式!
- V4L2框架分析学习
- [leetcode]Binary Tree Maximum Path Sum
- RadioButton和CheckBox
- 59. web 攻击技术(3)
- HashMap源码解析-jdk8
- POJ_2386_Lake Counting
- CSDN-markdown编辑器快捷方式