寻找训练数据中与新实例最相似的实例
判断相似,相似性函数,距离函数,欧氏距离、曼哈顿距离
噪音实例,KNN(K寻找最近的K个实例),在WEKA中叫IBK,是一种懒惰学习法,
改变K
K=5时,降低可能没有噪音
k=20
如果是一个有噪声的数据,K增大时准确率会提高,但是增加到一定程度会降低
增大到极限,例如100,会找出最近的100个实例,求他们的类别平均值,这样准确率会接近基线分类器的
寻找训练数据中与新实例最相似的实例
判断相似,相似性函数,距离函数,欧氏距离、曼哈顿距离
噪音实例,KNN(K寻找最近的K个实例),在WEKA中叫IBK,是一种懒惰学习法,
改变K
K=5时,降低可能没有噪音
k=20
如果是一个有噪声的数据,K增大时准确率会提高,但是增加到一定程度会降低
增大到极限,例如100,会找出最近的100个实例,求他们的类别平均值,这样准确率会接近基线分类器的