降維與度量學習

KNN–k近鄰學習 KNN基於某種距離度量在訓練集中找出與其距離最近的k個帶有真實標記的訓練樣本，然後基於這k個鄰居的真實標記來進行預測 分類任務：投票法或者加權投票法(基於距離遠近，距離越近的樣本權重越大) 迴歸任務：平均法或者加權平均法(基於距離遠近，距離越近的樣本權重越大) KNN算法的核心在於k值的選取以及距離的度量。k值選取太小，模型很容易受到噪聲數據的干擾，例如：極端地取k=1，若待分

>>阅读原文<<