"NearestNeighbors" (機械学習メソッド)

詳細とサブオプション

  • 最近傍は例に基づく学習である．その最も単純な形では，最頻クラスを取るか k 最近傍の値を平均するかする．
  • 次は，使用可能なオプションである．
  • "NeighborsNumber" Automatic考慮する近傍数 (k)
    "DistributionSmoothing" 0.5パラメータの正規化
    "NearestMethod" Automatick 近傍例の計算に使うメソッド
  • 次は，"NearestMethod"の可能な設定である．
  • "KDtree"データの保存にk分木データ構造を使う
    "Octree"データの保存に八分木データ構造を使う
    "Scan"データ集合全体の徹底検索

例題

すべて開くすべて閉じる

例  (2)

ラベル付きの例で分類器関数を訓練する：

分類器についての情報を得る：

新たな例を分類する：

データを生成し，可視化する：

このデータで予測器関数を訓練する：

このデータを予測された値と比較し，標準偏差を見る：

オプション  (6)

"DistributionSmoothing"  (2)

"DistributionSmoothing"サブオプションを使って分類器を訓練する：

"DistributionSmoothing"の値を変えた不均衡なデータ集合で2つの分類器を訓練する：

この2つの分類器の確率を見る：

"NearestMethod"  (2)

特定の"NearestMethod"を使って分類器を訓練する：

大きいデータ集合を生成し，可視化する：

異なるメソッドを使っていくつかの分類器を訓練し，訓練時間を比較する：

それぞれの訓練時間を比較する：

"NeighborsNumber"  (2)

特定の"NeighborsNumber"を使って予測器関数を訓練する：

ラベル付きの訓練集合を生成し，可視化する：

小さい"NeighborsNumber"を使って予測器を訓練する：

大きい"NeighborsNumber"を使って予測器を訓練する：

2つの予測を比較する：