k-Plus-Proches Voisins Régularisé
Le k-Plus-Proches Voisins Régularisé (kNN) étend l'algorithme classique des plus proches voisins en incorporant des mécanismes de régularisation — le plus souvent une pondération des distances basée sur un noyau ou un contrôle de la bande passante — qui lissent les prédictions, réduisent la sensibilité au choix de k, et diminuent la variance. Le résultat est un apprenant basé sur les instances plus stable et mieux calibré pour les tâches de classification et de régression sur des données tabulaires.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/fr/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.
- Processus GaussienApprentissage automatique↔ compare
- Processus Gaussien RégulariséApprentissage automatique↔ compare
- Régression logistique régulariséeApprentissage automatique↔ compare
- Machine à vecteurs de support régulariséeApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →