K最近邻算法

也许我很傻，但我找不到令人满意的答案： 使用KNN算法，比如说k = 5。现在我尝试通过获取其最近的5个邻居来对未知对象进行分类。该怎么做，如果在确定4个最近邻居后，接下来的2个（或更多）最近的物体具有相同的距离？应该选择这两个或更多的哪个对象作为第五个最近邻居？ 提前致谢 ：）     
2019-09-20 6 条评论
分享

没有找到相关结果

    已邀请:

    泪琉踞檄

      应该选择这两个或更多的哪个对象作为第五个最近邻居？ 这实际上取决于您希望如何实现它。 大多数算法都会执行以下三种操作之一： 包括所有等距离点，因此对于此估计，它们将使用6个点，而不是5个点。 使用两个相等遥远的“第一”找到的点。 从找到的2个点中随机选择（通常具有一致的种子，因此结果可重现）。 话虽这么说，大多数基于径向搜索的算法都有一个固有的平稳性假设，在这种情况下，你选择上面哪个选项真的无关紧要。一般来说，理论上它们中的任何一个都应该提供合理的默认值（特别是因为它们是近似中的最远点，并且应该具有最低的有效权重）。     
    2019-09-20 0 0
    分享

    垫歌蝎降凤

    另一个有趣的选择是像这样使用最近的邻居： 您可以计算每个类的5个最近邻居与样本的距离：每个类距离将有5个距离。 然后你得到每个班级的平均距离。 较低的平均距离将是您将分配给样本的类。 这种方式对于重叠的类的数据集有效。     
    2019-09-20 0 0
    分享

    傻寺俊擒

    如果你有另一个距离功能，你可以用它打破平局。即使是坏人也可以胜任，如果你有一些启发式的话，那就更好了。例如，如果您知道计算主要距离的某个功能更重要，则只使用此功能来解决这个问题。 如果不是这样的话，随意挑选。在相同的测试集上运行几次你的程序，以检查随机选择是否重要。     
    2019-09-20 0 0
    分享

    扭湘阀柿蹄

    也许你可以尝试模糊的knn。对于k的选择，我认为应该进行大量的实验以获得最佳的分类结果。     
    2019-09-20 0 0
    分享

    抢垢洛韧

    如果您有k = 5，则查看前五个记录，查看这五个记录中最常见的结果。很可能你会得到两对会让你陷入困境并且很难，因为那样你就有了50/50的几率。 这使生活充满挑战。那你怎么选择k的值呢？事后可以使用一些指标来分析结果，但是没有严格的k必须规则，所以我会简单地开始并坚持使用k = 3而不是k = 5然后向下通过查看预测的实际准确性，本文将探讨一些可以帮助您优化k值的策略。     
    2019-09-20 0 0
    分享
    为什么被折叠? 0 个回复被折叠

    要回复问题请先登录或注册

    或代码 OrCode.com 备案号：粤ICP备15020848号-1
    Escape time: 0.047555923461914