"NearestNeighbors" （机器学习方法）

详细信息与子选项

  • 最近的邻域是一种基于实例的学习. 在其最简单的形式中，它选择最常见的类或平均在 k 个最近邻域的值.
  • 可以给出以下选项：
  • "NeighborsNumber" Automatic可以考虑的邻域数 (k)
    "DistributionSmoothing" 0.5正则化参数
    "NearestMethod" Automatic计算 k-最近例子的方法
  • "NearestMethod" 的可能设置包括：
  • "KDtree"使用 k‐d 树数据结构存储数据
    "Octree"使用八叉树结构存储数据
    "Scan"整个数据集的详尽搜索

范例

打开所有单元关闭所有单元

基本范例  (2)

在标记的范例上培训分类器函数：

获取关于分类器的信息：

分类一个新范例：

产生某些数据并可视化：

培训预测函数：

比较数据和预测值并查看标准差：

选项  (6)

"DistributionSmoothing"  (2)

使用 "DistributionSmoothing" 子选项培训分类器：

通过变换 "DistributionSmoothing" 的值，在不平衡数据集上培训两个分类器：

查看两个分类器的概率：

"NearestMethod"  (2)

使用指定的 "NearestMethod" 培训分类器：

产生大的数据集并可视化：

使用不同的方法培训多个分类器并比较它们的培训时间：

比较对应的培训时间：

"NeighborsNumber"  (2)

使用指定的 "NeighborsNumber" 培训预测函数：

产生标记的培训集并可视化：

使用小的 "NeighborsNumber" 培训预测器：

使用大的 "NeighborsNumber" 培训预测器：

比较两个预测器：