博文
KNN算法
||
（1）最符合直觉的分类器-K近邻算法（一种灵活的分类器）
（2）距离
①欧式距离
②曼哈顿距离
③明可夫斯基距离（用的少）
（3）KNN投票机制
（4）如何选择K值--交叉验证
（5）过拟合与欠拟合
（one more example）
过拟合与欠拟合的直观类比
（6）KNN困境
①维度增加，距离失效
②数据量大，算法超慢
详细说明维度灾难与邻近失效：
当维数N越大时，体积（面积）相对于表面积（周长变小趋势），当N无穷大时，相邻点距离变大，相邻点距离都差不多（很远），“近邻”距离的意义失效。
点滴分享，福泽你我！Add oil！
https://blog.sciencenet.cn/blog-3428464-1230804.html
上一篇： Anaconda系列（二）
下一篇： 机器学习背后的数学（上）
收藏
IP: 171.127.103.*|
热度|
0
该博文允许注册用户评论 请点击登录 评论 (0 个评论)
数据加载中...
返回顶部
张伟
- 加为好友
- 给我留言
- 打个招呼
- 发送消息
扫一扫，分享此博文
全部作者的其他最新博文
- • [转载]太阳同步轨道
- • 膳食指南
全部精选博文导读
- • 科学网2024年5月十佳博文榜单公布！
- • 科学网编辑部：我们悄悄准备了一份惊喜……
- • 自旋秘密解锁:自旋电子学的新里程碑可能彻底改变电子学
- • 2024年夏季青藏高原考察：吉隆热玛村至冲堆村-0602
- • 鸟眼仿生人工视觉系统
- • 人机协同中的快与慢