SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

K Nearest Neighbor Classification Methods

orea avatar
orea
5 diapositives · 271 Views · Aug 09, 2014

K Nearest Neighbor Classification Methods. Qiang Yang. Training Set. Used for prediction/classification Given input x, (e.g., <sunny, normal, ..?> #neighbors = K (e.g., k=3) Often a parameter to be determined The form of the distance function

K Nearest Neighbor Classification Methods - slide 1
01 / 5K Nearest Neighbor Classification Methods
1 / 17

Télécharger la présentation

K Nearest Neighbor Classification Methods
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. K Nearest Neighbor Classification Methods Qiang Yang

  2. Training Set

  3. Used for prediction/classification Given input x, (e.g., <sunny, normal, ..?> #neighbors = K (e.g., k=3) Often a parameter to be determined The form of the distance function K neighbors in training data to the input data x: Break ties arbitrarily All k neighbors will vote: majority wins Weighted K-means “K” is a variable: Often we experiment with different values of K=1, 3, 5, to find out the optimal one Why important? Often a baseline Must beat this one to claim innovation Forms of K-NN Document similarity Cosine Case based reasoning Edited data base Sometimes better than 100% Image understanding Manifold learning Distance metric The K-Nearest Neighbor Method

  4. How to decide the distance?Try 3-NN on this data: testing

  5. K-NN can be misleading • Consider applying K-NN on the training data • What is the accuracy? • Why? • What should we do in testing?