Normalizált k-legközelebbi szomszéd
A normalizált k-legközelebbi szomszéd (kNN) algoritmus a klasszikus legközelebbi szomszéd algoritmust kiterjeszti regularizációs mechanizmusok — leggyakrabban kernel alapú távolság-súlyozás vagy sávszélesség-szabályozás — beépítésével, amelyek simítják a predikciókat, csökkentik az érzékenységet a k kiválasztására, és csökkentik a varianciát. Az eredmény egy stabilabb és jobban kalibrált, példányalapú tanuló a táblázatos adatokon végzett osztályozási és regressziós feladatokhoz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/hu/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.
- Gauss-folyamatGépi tanulás↔ compare
- Regularizált Gauss-folyamatGépi tanulás↔ compare
- Regularizált logisztikus regresszióGépi tanulás↔ compare
- Szabályozott Támogatásvektoros GépekGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →