Regularizovaný k-nejbližší sousedé
Regularizovaný k-nejbližší sousedé (kNN) rozšiřuje klasický algoritmus nejbližších sousedů o mechanismy regularizace — nejčastěji vážení vzdálenosti na bázi jádra nebo řízení šířky pásma —, které vyhlazují predikce, snižují citlivost na volbu k a redukují rozptyl. Výsledkem je stabilnější a lépe kalibrovaný instanční učící se model pro klasifikační a regresní úlohy na tabulkových datech.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/cs/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.
- Gaussovský procesStrojové učení↔ compare
- Regularizovaný Gaussovský procesStrojové učení↔ compare
- Regularizovaná logistická regreseStrojové učení↔ compare
- Regularizovaný podpůrný vektorový strojStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →