1、点之间的距离
kNN分类器假设相似的点也可能有相同的标签。但是,在高维空间中,从概率分布中得出的点往往不会始终靠近在一起。 我们可以用一个简单的例子来说明这一点。 我们将在单位立方体内均匀地随机绘制点(如图所示),并研究该立方体内测试点的 k 个最近邻将占用多少空间。
想象单位立方体。 所有训练数据都在这个立方体内均匀采样,即,并且我们正在考虑这样一个测试点的k=10个最近邻。
令 ℓ 为包含测试点的所有 k-nn的最小超立方体的边长。,
kNN分类器假设相似的点也可能有相同的标签。但是,在高维空间中,从概率分布中得出的点往往不会始终靠近在一起。 我们可以用一个简单的例子来说明这一点。 我们将在单位立方体内均匀地随机绘制点(如图所示),并研究该立方体内测试点的 k 个最近邻将占用多少空间。
想象单位立方体。 所有训练数据都在这个立方体内均匀采样,即,并且我们正在考虑这样一个测试点的k=10个最近邻。
令 ℓ 为包含测试点的所有 k-nn的最小超立方体的边长。,
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1036169.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!