Geregulariseerde k-dichtstbij-buren
Geregulariseerde k-dichtstbij-buren (kNN) breidt het klassieke dichtstbij-buren-algoritme uit door regularisatiemechanismen — meestal op kernels gebaseerde afstandsweging of bandbreedtecontrole — op te nemen die voorspellingen gladstrijken, de gevoeligheid voor de keuze van k verminderen en de variantie verlagen. Het resultaat is een stabielere en beter gekalibreerde instantie-gebaseerde leerder voor classificatie- en regressietaken op tabelgegevens.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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
Deze pagina citeren
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/nl/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.
- Gaussiaans ProcesMachine learning↔ compare
- Regelmatige Gaussische ProcesMachine learning↔ compare
- Geregulariseerde logistische regressieMachine learning↔ compare
- Geregulariseerde Support Vector MachineMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →