Регуляризирани k-най-близки съседи
Регуляризирани k-най-близки съседи (kNN) разширява класическия алгоритъм на най-близкия съсед чрез включване на механизми за регуляризация — най-често базирано на ядра претегляне на разстоянията или контрол на пропускателната способност — които изглаждат прогнозите, намаляват чувствителността към избора на k и понижават дисперсията. Резултатът е по-стабилен и по-добре калибриран базиран на инстанции обучител за задачи за класификация и регресия върху таблични данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 13). Springer. ISBN: 978-0-387-84858-7
Как да цитирате тази страница
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/bg/machine-learning/regularized-k-nearest-neighbors
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Гаусов процесМашинно обучение↔ compare
- Регуляризиран Гаусов процесМашинно обучение↔ compare
- Регуляризирана логистична регресияМашинно обучение↔ compare
- Регуляризирана машина за поддържащи векториМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →