降维与度量学习

KNN–k近邻学习 KNN基于某种距离度量在训练集中找出与其距离最近的k个带有真实标记的训练样本，然后基于这k个邻居的真实标记来进行预测 分类任务：投票法或者加权投票法(基于距离远近，距离越近的样本权重越大) 回归任务：平均法或者加权平均法(基于距离远近，距离越近的样本权重越大) KNN算法的核心在于k值的选取以及距离的度量。k值选取太小，模型很容易受到噪声数据的干扰，例如：极端地取k=1，若待分

>>阅读原文<<