机器学习-统计学习方法第二版学习笔记-第三章 K近邻法

第三章 K近邻法 3.2 K近邻模型 K近邻方法没有显示的模型形式，它有三个基本要素：距离变量、K值的选择和分类和分类决策规则。 距离变量 这里p>=1.当p=2时，称为欧氏距离； p=1时，称为曼哈顿距离； p=∞时，它是各个坐标距离的最大值。 K值的选择 K值的选择会对K近邻法的结果产生重大影响。 K太小，就相当于用较小的领域中的训练实例进行预测，学习的近似误差会减小，只有与输入实例较近的训练

>>阅读原文<<