machine-learning - 为什么weka中的KNN实现运行得更快？

Question

1) 正如我们所知，KNN 在训练阶段不执行任何计算，而是推迟所有分类计算，因此我们将其称为惰性学习器。分类应该比训练花费更多的时间，但是我发现这个假设与 weka 几乎相反。其中KNN在训练上花费的时间比在测试上花费的时间更多。

为什么 weka 中的 KNN 在分类方面表现得更快，而一般情况下它应该表现得更慢？

这是否也会导致计算错误？

2) 当我们说 Knn 中的特征加权可以提高高维数据的性能时，我们所说的是什么意思？我们的意思是特征选择和选择具有高信息增益的特征吗？

Answer 1

问题 1 的答案

我的猜测是 Weka 实现使用某种数据结构来有效地执行(近似)最近邻查询。

使用这样的数据结构，可以比以简单的方式执行查询更有效地执行查询。

此类数据结构的示例是 KD tree和 SR Tree .

在训练阶段需要创建数据结构，因此比分类需要更多的时间。

回答问题2

(我不确定您指的是预测性能还是加速中的性能.由于两者都是相关的，我将在我的回答中解决它们。)

对最相关的特征使用较高的权重，对不太相关的特征使用较低的权重可能会提高预测性能。

提高预测性能的另一种方法是执行特征选择。使用Mutual Information或某种其他类型的单变量关联(例如连续变量的 Pearson correlation)是执行特征选择的最简单且最容易的方法。请注意，减少变量数量可以在计算时间方面显着加速。 p>

当然，你可以两者都做，即先进行特征选择，然后对其余特征使用权重。例如，您可以使用互信息来加权其余特征。在文本分类的情况下，您还可以使用 TF-IDF 来加权您的特征。