之前用mtalab实现knn(k=1)算法的过程中,虽然对于做的过程无多少疑问,但是还不能用准确的形式表达出来,今天读了一点儿这篇文章,升华了对它的认知,温故知新没错哈
*∨*
范数在聚类中的作用就是"相似性度量"。
文章中说到:两个类之间距离的度量方法是传统层次聚类算法的重要组成部分,它主要包括两个重要参数相似性度量方法和联接规则。
对上文的联接规则还没搞太懂,前者则有一定感触。
所以,现在对knn的感觉就是:范数计算+排序。换句话说就是"相似性度量"+“k个最大相似类表决”。
之前用mtalab实现knn(k=1)算法的过程中,虽然对于做的过程无多少疑问,但是还不能用准确的形式表达出来,今天读了一点儿这篇文章,升华了对它的认知,温故知新没错哈
*∨*
范数在聚类中的作用就是"相似性度量"。
文章中说到:两个类之间距离的度量方法是传统层次聚类算法的重要组成部分,它主要包括两个重要参数相似性度量方法和联接规则。
对上文的联接规则还没搞太懂,前者则有一定感触。
所以,现在对knn的感觉就是:范数计算+排序。换句话说就是"相似性度量"+“k个最大相似类表决”。