k-Vizinhos Mais Próximos Regularizado
O k-Vizinhos Mais Próximos Regularizado (kNN) estende o algoritmo clássico de vizinhos mais próximos incorporando mecanismos de regularização — mais comumente ponderação de distância baseada em kernel ou controle de largura de banda — que suavizam previsões, reduzem a sensibilidade à escolha de k e diminuem a variância. O resultado é um aprendiz baseado em instâncias mais estável e melhor calibrado para tarefas de classificação e regressão em dados tabulares.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/pt/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 GaussianoAprendizado de máquina↔ compare
- Processo Gaussiano RegularizadoAprendizado de máquina↔ compare
- Regressão Logística RegularizadaAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte RegularizadaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →