Regulirani k-najbližih susjeda
Regulirani k-najbližih susjeda (kNN) proširuje klasični algoritam najbližeg susjeda uvođenjem mehanizama regularizacije — najčešće kernel-baziranog ponderiranja udaljenosti ili kontrole propusnosti — koji zaglađuju predviđanja, smanjuju osjetljivost na odabir parametra k i snižavaju varijancu. Rezultat je stabilniji i bolje kalibriran instancno-baziran učenik za zadatke klasifikacije i regresije na tabličnim podacima.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/hr/machine-learning/regularized-k-nearest-neighbors
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Gaussovi procesiStrojno učenje↔ usporedi
- Regulirani Gaussov procesStrojno učenje↔ usporedi
- Regularizirana logistička regresijaStrojno učenje↔ usporedi
- Regulirani stroj vektora potporeStrojno učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →