เค-เพื่อนบ้านใกล้สุดแบบปรับให้เหมาะสม
เค-เพื่อนบ้านใกล้สุดแบบปรับให้เหมาะสม (kNN) เป็นการขยายอัลกอริทึมเพื่อนบ้านใกล้สุดแบบดั้งเดิม โดยการรวมกลไกการปรับให้เหมาะสมเข้าไว้ด้วยกัน — ซึ่งส่วนใหญ่มักจะเป็นการถ่วงน้ำหนักระยะทางตามเคอร์เนล หรือการควบคุมแบนด์วิดท์ — ที่ช่วยให้การทำนายมีความราบรื่น ลดความไวต่อการเลือกค่า k และลดความแปรปรวน ผลลัพธ์ที่ได้คือตัวเรียนรู้แบบอิงตัวอย่างที่มีเสถียรภาพและปรับเทียบได้ดีขึ้นสำหรับงานจำแนกประเภทและการถดถอยบนข้อมูลแบบตาราง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/th/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.
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- กระบวนการเกาส์เซียนแบบปรับให้เหมาะสมการเรียนรู้ของเครื่อง↔ compare
- Regularized Logistic Regressionการเรียนรู้ของเครื่อง↔ compare
- Regularized Support Vector Machineการเรียนรู้ของเครื่อง↔ compare