k-نزدیکترین همسایه منظمشده
k-نزدیکترین همسایه منظمشده (kNN) الگوریتم کلاسیک نزدیکترین همسایه را با بهکارگیری سازوکارهای منظمسازی — که معمولاً وزندهی مبتنی بر هسته برای فاصله یا کنترل پهنای باند — بسط میدهد. این سازوکارها پیشبینیها را هموار کرده، حساسیت به انتخاب k را کاهش داده و واریانس را کم میکنند. نتیجه، یک یادگیرنده نمونهای پایدارتر و بهتر کالیبره شده برای وظایف طبقهبندی و رگرسیون بر روی دادههای جدولی است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/fa/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.
- فرایند گوسییادگیری ماشین↔ compare
- فرایند گاوسی منظمشدهیادگیری ماشین↔ compare
- رگرسیون لجستیک منظمشدهیادگیری ماشین↔ compare
- ماشین بردار پشتیبان منظمشدهیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →