3、k - 最近邻分类器及使用验证集取得超参数

3、k - 最近邻分类器 注意到了吗，前面我们做一个预测时，只使用最近的图像的标签。事实上，通过使用所谓的k-最近邻分类器可以做得更好。这个想法很简单：在训练集中，不是找到最接近的一个图像，而是找到最近的k个图像，并用这k个图像占多数的标签作为待预测图像的标签。特别地，当k＝1时，就是前面的最近邻分类器。K取较高值具有平滑效果，使得分类器更能抵抗异常值： 最近邻居和5近邻分类器之间的差异的例子，使

>>阅读原文<<