機器學習之降維與度量學習

降維與度量學習 k近鄰學習 k近鄰(k-Nearest Neighbor,簡稱kNN)學習是一種監督學習方法。 其工作機制爲：在樣本中，根據距離度量找出訓練集中臨近的k個樣本，基於這k個樣本進行預測。 一般，在分類任務中使用「投票法」，即選擇最多的類別標記作爲預測結果。 在迴歸任務中使用「平均法」。另外還可以使用距離度量以及加權平均來進行預測。 k近鄰學習相比較其他的學習不同之處在於，它沒有顯式的

>>阅读原文<<