1.NN,最近邻分类器。把图片做成像素矩阵,计算它和训练集中的图片距离,根据差值来判断数据哪个类。
计算距离差值的方法最简单的是曼哈顿距离,即计算所有像素点的差值。
其中,I1和I2可以看作两张图片,P是矩阵的坐标
2.KNN,K-近邻。在NN的基础上找到最近的K个邻居,然后看这几个邻居哪一个类的数目最多,就属于哪个类。
1)引出来训练集(train set),验证集(validation set),测试集(test set)这三个名词
训练集:学习样本数据集,通过匹配一些参数来建立一个分类器。
验证集:对学习出来的模型,调整分类器的参数,如在神经网络中选择隐藏单元数。用来避免过拟合。
测试集:测试训练好的模型的分辨能力。
划分的用意在于了防止过度拟合,也就是不要太精确。如果所有的数据都参与训练,出来的结果对这些数据肯定最合适,但对于其它数据就不一定了。
一般把数据集的75%作为训练集,把数据集的25%作为测试集。其中训练集利用K折交叉验证法,将样本打乱,然后均匀分成K份,轮流选择其中K-1份训练,剩余的一份做验证,计算预测误差平方和,最后把K次的预测误差平方和再做平均作为选择最优模型结构的依据。