Regularyzowane k-najbliższych sąsiadów
Regularyzowane k-najbliższych sąsiadów (kNN) rozszerza klasyczny algorytm najbliższych sąsiadów o mechanizmy regularyzacji — najczęściej ważenie odległości oparte na jądrze lub kontrolę szerokości pasma — które wygładzają predykcje, zmniejszają wrażliwość na wybór k i obniżają wariancję. Rezultatem jest bardziej stabilny i lepiej skalibrowany uczący się na przykładach dla zadań klasyfikacji i regresji na danych tabelarycznych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/pl/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.
- Proces GaussaUczenie maszynowe↔ compare
- Regularyzowany proces GaussaUczenie maszynowe↔ compare
- Regularyzowana regresja logistycznaUczenie maszynowe↔ compare
- Regularyzowana Maszyna Wektorów NośnychUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →