3.1 k近邻算法
简单而言:与x最邻近第k个点,在这k个点中找出最多个数点,则x属于最多点属于的类
3.2 k近邻模型
1)k值的选择
一般选一个比较小的数值,通常采用交叉验证法选取最优k值
2)分类决策规则
多数表决规则,等价于经验风险最小化
3.3 k近邻法的实现:kd树
1)构造kd树
见例3.2:选择维度分隔
2) 搜索kd树
见例3.3:找到一个叶子节点,画圆,再由下向上,由上向下找有没有在圆内的点
3.1 k近邻算法
简单而言:与x最邻近第k个点,在这k个点中找出最多个数点,则x属于最多点属于的类
3.2 k近邻模型
1)k值的选择
一般选一个比较小的数值,通常采用交叉验证法选取最优k值
2)分类决策规则
多数表决规则,等价于经验风险最小化
3.3 k近邻法的实现:kd树
1)构造kd树
见例3.2:选择维度分隔
2) 搜索kd树
见例3.3:找到一个叶子节点,画圆,再由下向上,由上向下找有没有在圆内的点