维度灾难
KNN中的维度灾难为,在高维空间,数据变得异常稀疏,这就使得即使是最近的邻居数据点(相对近而已),所需计算数据点之间的距离也变得异常得远:例如二维下两点间距离公式
(
x
1
−
x
2
)
2
+
(
y
1
−
y
2
)
2
\sqrt{(x1-x2)^2+(y1-y2)^2}
(x1−x2)2+(y1−y2)2,而三维下又加一组变量,显然在距离上的变化变得更为敏感了。这导致了随着变量的增加,训练集所要求的数据量呈指数级的增长,计算量也随之变得异常大。
变量增加=维度增加,如果想要取得更好的效果,该维度下就要让数据更密集(即训练集更大),但如上图所示从起初的4个点到二维、三维下,需要将整个空间布满的点数成指数级增长,显然不可能有着么多图片供我们训练。
05-30
1623
07-27
1047
09-05
“相关推荐”对你有帮助么?
-
非常没帮助
-
没帮助
-
一般
-
有帮助
-
非常有帮助
提交