K-近鄰演算法 - 工程師
By Damian
at 2023-02-12T19:11
at 2023-02-12T19:11
Table of Contents
在圖型識別領域中,最近鄰居法(KNN演算法,又譯K-近鄰演算法)是一種用於分類和迴
歸的無母數統計方法[1]。在這兩種情況下,輸入包含特徵空間(Feature Space)中的k
個最接近的訓練樣本。
在k-NN分類中,輸出是一個分類族群。一個物件的分類是由其鄰居的「多數表決」確定的
,k個最近鄰居(k為正整數,通常較小)中最常見的分類決定了賦予該物件的類別。若k
= 1,則該物件的類別直接由最近的一個節點賦予。
在k-NN迴歸中,輸出是該物件的屬性值。該值是其k個最近鄰居的值的平均值。
最近鄰居法採用向量空間模型來分類,概念為相同類別的案例,彼此的相似度高,而可以
藉由計算與已知類別案例之相似度,來評估未知類別案例可能的分類。
K-NN是一種基於實例的學習,或者是局部近似和將所有計算推遲到分類之後的惰性學習。
k-近鄰演算法是所有的機器學習演算法中最簡單的之一。
無論是分類還是迴歸,衡量鄰居的權重都非常有用,使較近鄰居的權重比較遠鄰居的權重
大。例如,一種常見的加權方案是給每個鄰居權重賦值為1/ d,其中d是到鄰居的距離。[
註 1]
鄰居都取自一組已經正確分類(在迴歸的情況下,指屬性值正確)的物件。雖然沒要求明
確的訓練步驟,但這也可以當作是此演算法的一個訓練樣本集。
k-近鄰演算法的缺點是對資料的局部結構非常敏感。
K-平均演算法也是流行的機器學習技術,其名稱和k-近鄰演算法相近,但兩者沒有關係。
資料標準化可以大大提高該演算法的準確性[2][3]。
--
『對於不喜歡的人,我沒必要去討好他,不瞭解我的人,我也不必非讓他瞭解我不可。』
----出自第十六冊第19頁
--
歸的無母數統計方法[1]。在這兩種情況下,輸入包含特徵空間(Feature Space)中的k
個最接近的訓練樣本。
在k-NN分類中,輸出是一個分類族群。一個物件的分類是由其鄰居的「多數表決」確定的
,k個最近鄰居(k為正整數,通常較小)中最常見的分類決定了賦予該物件的類別。若k
= 1,則該物件的類別直接由最近的一個節點賦予。
在k-NN迴歸中,輸出是該物件的屬性值。該值是其k個最近鄰居的值的平均值。
最近鄰居法採用向量空間模型來分類,概念為相同類別的案例,彼此的相似度高,而可以
藉由計算與已知類別案例之相似度,來評估未知類別案例可能的分類。
K-NN是一種基於實例的學習,或者是局部近似和將所有計算推遲到分類之後的惰性學習。
k-近鄰演算法是所有的機器學習演算法中最簡單的之一。
無論是分類還是迴歸,衡量鄰居的權重都非常有用,使較近鄰居的權重比較遠鄰居的權重
大。例如,一種常見的加權方案是給每個鄰居權重賦值為1/ d,其中d是到鄰居的距離。[
註 1]
鄰居都取自一組已經正確分類(在迴歸的情況下,指屬性值正確)的物件。雖然沒要求明
確的訓練步驟,但這也可以當作是此演算法的一個訓練樣本集。
k-近鄰演算法的缺點是對資料的局部結構非常敏感。
K-平均演算法也是流行的機器學習技術,其名稱和k-近鄰演算法相近,但兩者沒有關係。
資料標準化可以大大提高該演算法的準確性[2][3]。
--
『對於不喜歡的人,我沒必要去討好他,不瞭解我的人,我也不必非讓他瞭解我不可。』
----出自第十六冊第19頁
--
Tags:
工程師
All Comments
By Liam
at 2023-02-15T23:40
at 2023-02-15T23:40
By Ina
at 2023-02-19T04:10
at 2023-02-19T04:10
By Dorothy
at 2023-02-22T08:39
at 2023-02-22T08:39
By Edwina
at 2023-02-19T17:11
at 2023-02-19T17:11
By Daph Bay
at 2023-02-22T21:41
at 2023-02-22T21:41
By Tom
at 2023-02-19T17:11
at 2023-02-19T17:11
By Daph Bay
at 2023-02-22T21:41
at 2023-02-22T21:41
By Anthony
at 2023-02-19T17:11
at 2023-02-19T17:11
By Odelette
at 2023-02-22T21:41
at 2023-02-22T21:41
By Jessica
at 2023-02-19T17:11
at 2023-02-19T17:11
By Jessica
at 2023-02-22T21:41
at 2023-02-22T21:41
By Audriana
at 2023-02-19T17:11
at 2023-02-19T17:11
By Belly
at 2023-02-22T21:41
at 2023-02-22T21:41
By Sandy
at 2023-02-19T17:11
at 2023-02-19T17:11
By Margaret
at 2023-02-22T21:41
at 2023-02-22T21:41
By Jessica
at 2023-02-19T17:11
at 2023-02-19T17:11
By Enid
at 2023-02-22T21:41
at 2023-02-22T21:41
By Heather
at 2023-02-19T17:11
at 2023-02-19T17:11
By Ivy
at 2023-02-22T21:41
at 2023-02-22T21:41
By Irma
at 2023-02-19T17:11
at 2023-02-19T17:11
By Frederic
at 2023-02-22T21:41
at 2023-02-22T21:41
By Heather
at 2023-02-19T17:11
at 2023-02-19T17:11
By Caroline
at 2023-02-22T21:41
at 2023-02-22T21:41
By Cara
at 2023-02-19T17:11
at 2023-02-19T17:11
By John
at 2023-02-22T21:41
at 2023-02-22T21:41
By Jack
at 2023-02-19T17:11
at 2023-02-19T17:11
By Victoria
at 2023-02-22T21:41
at 2023-02-22T21:41
By Frederica
at 2023-02-19T17:11
at 2023-02-19T17:11
By Kumar
at 2023-02-22T21:41
at 2023-02-22T21:41
By Elvira
at 2023-02-19T17:11
at 2023-02-19T17:11
By Blanche
at 2023-02-22T21:41
at 2023-02-22T21:41
By Elma
at 2023-02-19T17:11
at 2023-02-19T17:11
By Necoo
at 2023-02-22T21:41
at 2023-02-22T21:41
By Faithe
at 2023-02-19T17:11
at 2023-02-19T17:11
By Brianna
at 2023-02-22T21:41
at 2023-02-22T21:41
By Tom
at 2023-02-19T17:11
at 2023-02-19T17:11
By Ida
at 2023-02-22T21:41
at 2023-02-22T21:41
By James
at 2023-02-19T17:11
at 2023-02-19T17:11
By Elma
at 2023-02-22T21:41
at 2023-02-22T21:41
By Megan
at 2023-02-19T17:11
at 2023-02-19T17:11
By Annie
at 2023-02-22T21:41
at 2023-02-22T21:41
By Hardy
at 2023-02-19T17:11
at 2023-02-19T17:11
By Joseph
at 2023-02-22T21:41
at 2023-02-22T21:41
By Hardy
at 2023-02-19T17:11
at 2023-02-19T17:11
By Dorothy
at 2023-02-22T21:41
at 2023-02-22T21:41
By Daniel
at 2023-02-19T17:11
at 2023-02-19T17:11
By Gilbert
at 2023-02-22T21:41
at 2023-02-22T21:41
By Iris
at 2023-02-19T17:11
at 2023-02-19T17:11
By Ida
at 2023-02-22T21:41
at 2023-02-22T21:41
By Hardy
at 2023-02-19T17:11
at 2023-02-19T17:11
By Gilbert
at 2023-02-22T21:41
at 2023-02-22T21:41
By Iris
at 2023-02-19T17:11
at 2023-02-19T17:11
By Cara
at 2023-02-22T21:41
at 2023-02-22T21:41
By Queena
at 2023-02-19T17:11
at 2023-02-19T17:11
By Hedy
at 2023-02-22T21:41
at 2023-02-22T21:41
Related Posts
廣達職等薪資
By Belly
at 2023-02-12T18:50
at 2023-02-12T18:50
研替offer請益
By Dorothy
at 2023-02-12T17:55
at 2023-02-12T17:55
台積電聯發科跟聯詠算是世界一流的公司嗎
By Catherine
at 2023-02-12T13:29
at 2023-02-12T13:29
「它將改變世界」 ChatGPT獲比爾蓋茲肯定
By George
at 2023-02-12T12:31
at 2023-02-12T12:31
人工智慧真的來了
By Brianna
at 2023-02-12T09:57
at 2023-02-12T09:57