k邻算法选择 k=1时,称为最近邻算法。此时,每个样本组成一个邻域,训练误差为0。 一般来说,训练误差时预测误差的一个over estimation。所以通常需要一个测试误差来衡量算法的performance。 那么测试误差会是多少呢? 通常会比随机猜测要高。
k= 1 时,算法是比较敏感的,一般有三个方法进行改进:
1、选择 k>1 (k 选择合适的话,错误率会比k=1时要低,但是k选择过大,错误率会升高。通常使用交叉检验的方法选择k)
2、选择更好的距离度量。
欧式距离对平移、形变、旋转等很敏感,所有应用场景有限。如果使用k-nn计算两个图像之间的距离,可能shape content是更好的选择。
3、选择更好的特征。
特征选择需要专业知识,太多的无关特征不是对准确率没有提升,而是降低了算法的准确率。
一般的k-nn 算法非常慢,幸运的是python 库中有 加速算法 ,比如locality sensitive hashing, Ball -trees, d-k trees。