Machine learningMachine learning
正則化k近傍法
正則化k近傍法（Regularized k-Nearest Neighbors, kNN）は、古典的な近傍アルゴリズムに正則化機構を組み込むことで拡張したもので、最も一般的なのはカーネルベースの距離重み付けや帯域幅制御であり、予測を平滑化し、kの選択に対する感度を低減し、分散を低下させる。その結果、表形式データに対する分類および回帰タスクにおいて、より安定した、より適切に較正されたインスタンスベース学習器が得られる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →