k-Nearest Neighbors Regularizzato
Il k-Nearest Neighbors Regularizzato (kNN) estende l'algoritmo classico del vicino più prossimo incorporando meccanismi di regolarizzazione — più comunemente ponderazione della distanza basata su kernel o controllo della larghezza di banda — che levigano le predizioni, riducono la sensibilità alla scelta di k e abbassano la varianza. Il risultato è un classificatore basato su istanze più stabile e meglio calibrato per compiti di classificazione e regressione su dati tabulari.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/it/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.
- Processo GaussianoApprendimento automatico↔ compare
- Processo Gaussiano RegolarizzatoApprendimento automatico↔ compare
- Regressione logistica regolarizzataApprendimento automatico↔ compare
- Support Vector Machine RegolarizzatoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →