機器學習-統計學習方法第二版學習筆記-第三章 K近鄰法

第三章 K近鄰法 3.2 K近鄰模型 K近鄰方法沒有顯示的模型形式，它有三個基本要素：距離變量、K值的選擇和分類和分類決策規則。 距離變量 這裏p>=1.當p=2時，稱爲歐氏距離； p=1時，稱爲曼哈頓距離； p=∞時，它是各個座標距離的最大值。 K值的選擇 K值的選擇會對K近鄰法的結果產生重大影響。 K太小，就相當於用較小的領域中的訓練實例進行預測，學習的近似誤差會減小，只有與輸入實例較近的訓練

>>阅读原文<<