k近邻算法的另一种理解:
已知的所有训练集将整个样本空间进行了特征转换:
任意一个数据点xi经过特征转换为一个k维向量: [yi1,yi2,yi3,....yik]
yi1 是 离xi最近的点的坐标,yi2 是 离xi第二近的点的坐标,....,yik是离xi第k近的点的坐标。
进行完特征转换后,采用majority vote算法进行预测。
k近邻算法的另一种理解:
已知的所有训练集将整个样本空间进行了特征转换:
任意一个数据点xi经过特征转换为一个k维向量: [yi1,yi2,yi3,....yik]
yi1 是 离xi最近的点的坐标,yi2 是 离xi第二近的点的坐标,....,yik是离xi第k近的点的坐标。
进行完特征转换后,采用majority vote算法进行预测。