k-Nearest Neighbors Regularitzat
El k-Nearest Neighbors Regularitzat (kNN) estén l'algorisme clàssic de veïns més propers incorporant mecanismes de regularització —més comunament ponderació de distància basada en nuclis o control de l'amplada de banda— que suavitzan les prediccions, redueixen la sensibilitat a l'elecció de k i disminueixen la variància. El resultat és un aprenent basat en instàncies més estable i millor calibrat per a tasques de classificació i regressió en dades tabulades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/ca/machine-learning/regularized-k-nearest-neighbors
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Processos GaussianosAprenentatge automàtic↔ compara
- Process Gaussian RegularitzatAprenentatge automàtic↔ compara
- Regressió logística regularitzadaAprenentatge automàtic↔ compara
- Regularized Support Vector MachineAprenentatge automàtic↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →