Regularizētie k-tuvākie kaimiņi
Regularizētie k-tuvākie kaimiņi (kNN) paplašina klasisko tuvāko kaimiņu algoritmu, iekļaujot regularizācijas mehānismus — visbiežāk uz kodoliem balstītu attāluma svēršanu vai joslas platuma kontroli —, kas izlīdzina prognozes, samazina jutību pret k izvēli un pazemina dispersiju. Rezultāts ir stabilāks un labāk kalibrēts uz gadījumiem balstīts klasifikators un regresors tabulas datu uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/lv/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.
- Gausa processMašīnmācīšanās↔ compare
- Regulārizēts Gausa processMašīnmācīšanās↔ compare
- Regularizētā loģistikā regresijaMašīnmācīšanās↔ compare
- Regularizēta atbalsta vektoru mašīnaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →