个人中心
文章发布
退出
作者热门文章
- iOS/Objective-C 元类和类别
- objective-c - -1001 错误，当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
26
4
我在matlab中应用KNN算法对手写数字进行分类。数字最初是 8*8 的矢量格式，然后拉伸(stretch)形成一个 1*64 的矢量。所以每次我将第一个数字与所有其余数据集(相当大)进行比较，然后将第二个数字与其余数据集等进行比较等等。现在我的问题是，一个邻居不是最好的选择总是？由于我使用的是欧几里得距离，(我选择更近的那个)为什么我还要选择 2 或 3 个邻居，因为我得到了最接近的数字？
谢谢
最佳答案
您必须考虑噪音。假设您的一些分类示例可能被错误分类，或者其中一个与其他示例非常接近——它们不同，但实际上只是一个“故障”。在这些情况下 - 根据这个偏离轨道的示例进行分类可能会导致错误。
根据个人经验，通常当 k=3/5/7 时可获得最佳结果，但这取决于实例。
如果你想获得最佳性能 - 你应该使用 cross validation top 为您的特定实例选择了最佳的 k。
此外，通常仅使用奇数作为 KNN 的k，以避免“平局”
关于algorithm - 邻居数KNN算法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10174755/
26
4
0
library(ISLR) standardized.X=scale(Caravan [,-86]) test =1:1000 train.X=standardized.X[-test ,] test
这可能是一个愚蠢的问题，但我只是想知道在 scikit.ml 中实现的 ML-KNN 与 scikit-learn 的 KNeighborsClassifier 之间的区别是什么。根据sklearn'
我担心我的预测与测试的准确性，这完全有意义。 X_train , X_test, y_train ,y_test =train_test_split(iris_dataset['data'], iri
我已经开始在 python tensorflow 库上使用 K-Nearest-Neighbors 方法开发一个机器学习项目。我没有使用tensorflow工具的经验，所以我在github上找到了一些
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」 KNN算法的工作原理简单直观，易于理解和实现，这使得它在各种应用场景
我试图在 R 中使用 knn(使用了几个包( knnflex ， class ))来预测基于 8 个变量的违约概率。数据集大约有 100k 行 8 列，但我的机器似乎很难处理 10k 行的样本。在数据
我有一个 60.000 obs/40 变量数据集，我在其中使用了 Clara，主要是由于内存限制。 library(cluster) library(dplyr) mutate(kddne
我尝试运行这条线: knn(mydades.training[,-7],mydades.test[,-7],mydades.training[,7],k=5) 但我总是收到这个错误: Error in
我正在尝试使用 python 实现 k-近邻算法。我最终得到了以下代码。但是，我正在努力寻找最近邻居项目的索引。以下函数将返回距离矩阵。但是，我需要在features_train(算法的输入矩阵)中获
我正在使用Kobe Bryant Dataset 。我希望用 KnnRegressor 预测 shot_made_flag。 我使用game_date来提取year和month特征: # covert
在 kNN classifier 的文档中，有一个方法kneighbors ，返回 k 个最近邻居。我感兴趣的是如何优雅地返回此类分类器中的 k 个最远邻居？ 最佳答案 不，没有这样的能力。 您需要记
我想优化 KNN。关于SVM、RF和XGboost的内容有很多；但对于 KNN 来说很少。 据我所知，邻居的数量是一个需要调整的参数。 但是还有哪些参数需要测试呢？有什么好的文章吗？ 谢谢 最佳答案
我正在尝试使用具有两列的数据集进行词袋问题 - 摘要和解决方案。我正在使用 KNN。训练数据集有 91 列，测试数据集有 15 列。 为了生成向量，我使用以下代码。 vectorizer = Coun
我了解 k 最近邻 (KNN) 的工作原理，但我不熟悉“软投票”一词。与 KNN 相关的软投票是什么？它与标准 KNN 投票相比如何工作？ 比较两种投票方案的简单示例会很有用，并且指向 Matlab
我正在尝试将 KNN 应用到 tips 数据集 并将对象映射如下: f.Male=df.Gender.map({'Female':0,'Male':1}) df.Smokes = df.Smoker.
在下面的代码(最后一行)中，根据文档使用了 X_test 和 y_test: Returns the mean accuracy on the given test data and label 问题
我有约 65 个特征、450k 个观察值和不平衡的分类响应变量 Y(约 5% 真实，2 个状态)的 df。这已通过 train_test_split 分为 {Xtrain, ytrain} (10%)
为什么在 KNN 中需要规范化？我知道这个过程标准化了所有特征对结果的影响，但是在标准化之前到特定点 V 的“K”最近点将与到该特定点的“K”最近点完全相同归一化后的 V。那么归一化对欧氏距离有何影响
我目前正在为我的人工智能考试做一个机器学习项目。目标是使用 WEKA 正确选择两种分类算法进行比较，请记住，这两种算法必须有足够的不同才能进行比较。此外，算法必须同时处理标称数据和数字数据(我想这是进
进行数据挖掘时，什么时候应该选择其中一种算法而不是另一种？有具体原因吗？另外，其中哪一个是最有效的？ 我将给出一个表格作为示例。 最佳答案 一种选择方法是尝试所有这些并选择最好的。 如果我要尝试构建数
我是一名优秀的程序员,十分优秀！