k近邻是不具有显式的学习过程,是简单的分类回归算法
k近邻三个重要的因素:距离计算,k值的选择,分类规则
- 距离计算
例子:
- k值的选择
在应用中k一般取比较小的值,通常采用交叉验证来选取最优的k。 - 分类决策规则
kd树是为了减少在k近邻计算k个距离最近的类数据集线性扫描的过程,kd搜索,首先先构造kd搜索树
例子:
过程
kd树最近邻搜索算法:
引用资料,李航–统计学习方法
kd树是为了减少在k近邻计算k个距离最近的类数据集线性扫描的过程,kd搜索,首先先构造kd搜索树
例子:
过程
kd树最近邻搜索算法:
引用资料,李航–统计学习方法