1回答
我有三列，需要像下面这样查找近旁的值 A B Distance
point_d point_e 40 我需要找到所有附近的点对于ex -如果我想在28英里内找到point_a附近的所有点，它将是point_b，点e和点g
浏览 8提问于2019-10-19得票数 0
2回答
我正在学习制作推荐系统的教程，在那里我看到最近的邻居和KNN分类器是不同的。有人能解释一下，什么是最近的邻居，KNN之间有何不同？
浏览 0提问于2021-04-26得票数 5
1回答
当谷歌“加权KNN"，结果似乎集中在加权最近的邻居值后，这些邻居已经确定。我正在寻找的东西，赋予不同维度的重要性水平，可能会改变邻居被认为是最近的目标，最大限度地提高预测的准确性，使用结果的模型。例如，如果我有一个新的观察定义为[1, 2]，那么下面的#1和#2将被认为是在普通KNN下假设K=2的最近的邻居(据我理解)
浏览 0提问于2020-04-26得票数 0
我正在尝试拟合一个简单的KNN分类器，并希望使用，以便从它们的高效实现(多处理、基于树的算法)中获益。方法似乎正是我所需要的，但是，如果不首先将模型与相匹配，我就无法调用它。问题是，fit()需要标签(y)作为参
浏览 3提问于2022-07-26得票数 0
回答已采纳
在python中是否有任何函数或库可以帮助我找到一个点(有19个特性)与它的第20个近邻之间的距离？
我试过欧几里得距离，但是由于我有近60万的记录(点数)，所以我遇到了MemoryError。有没有一种更有效率和更有节奏感的方法来找到相同的东西？
浏览 3提问于2018-05-29得票数 0
回答已采纳
1回答
所以我最近沿着kNN k最近的邻居来了。当考虑到它的缺点时，大多数文献提到它是昂贵的，懒惰的，需要充分的训练数据加上依赖于k的值，并且由于距离的关系而存在维数问题。除此之外，我还有以下假设。1-它忽略了维度可以相互关联的事实，而是假定它们是独立的(因为我们只是在计算距离)2如果数据不是标准化的，那么距离
浏览 0提问于2016-05-12得票数 1
回答已采纳
1回答
Python中的这一行是否表示KNN是加权的？clf = KNeighborsClassifier(n_neighbors=5, metric='euclidean', weights='distance')
重量是距离的反比吗？有人能给出一个例子，说明加权KNN在数学上是如何工作的吗？
浏览 0提问于2019-12-10得票数 1
在sklearn文档中，函数KNeighborsClassifier的参数KNeighborsClassifier解释如下：
‘距离’：重量点与其距离的反比。在这种情况下，查询点的近邻将比更远的邻居有更大的影响。虽然对相邻点进行加权，然后将预测值计算为加权点的平均值是有意义的，例如使用KNeighborsRegressor.然而，我看不出权重在分类算法中是如何使用的。根据“统计学习要素”一书，<e
浏览 0提问于2019-06-28得票数 1
回答已采纳
2回答
从距离矩阵开始查找K个最近邻域
、、、、
我正在寻找一个优化良好的函数，它接受一个n X n距离矩阵，并返回一个n X k矩阵，其中第i行的第i个数据点的k最近邻居的索引。我发现了无数不同的R包，它们可以让你做KNN，但它们似乎都在同一个函数中包含了距离计算和排序算法。特别是，对于大多数例程，主要参数是原始数据矩阵，而不是距离矩阵。在我的例子中，我在混合变量类型上使用了非标准距离，因此我
浏览 3提问于2014-05-04得票数 13
1回答
我碰到了一些让我困惑的事实。(2) k值较小时，决策边界不光滑。
任何一个例子或想法都会让我非常感激，简单地告诉我这个事实，或者为什么这些都是真的？
浏览 0提问于2015-03-30得票数 1
我比较了我的1NN基分类器和30个数据集的逆距离加权投票，加权投票选项似乎使分类器在90%的时间内表现相同或更差。下面的代码将通过在数据集上测试实例的总体准确性进行30次测试并计算其准确性来对实例进行分类。for(int j = 0; j <
浏览 2提问于2019-04-19得票数 0
2回答
我有一个大约10K点的数据集，每个数据集都有200个数字描述符。在10K点中，我想定位出离群点，我将其定义为其10个最近的邻居距离很远(有多远？与第十个邻居的距离是与第十个邻居的其他距离相对应的一个离群点，与通常定义的异常值相同)。
我试着计算整个距离矩阵(10Kx10K)，对于每一行都应用部分排序来找到10个最近的邻居。太贵了
浏览 0提问于2018-06-23得票数 1
回答已采纳
4回答
与线性回归等其他算法不同，KNN似乎不会在训练阶段执行任何计算。就像在线性回归的情况下，它在训练phase.But中找到系数，那么KNN呢？
浏览 62提问于2019-02-04得票数 9
回答已采纳
我不确定为什么弯曲法是确定DBSCAN算法的epsilon值的近似正确方法。例如，在下面的示例中：我考虑了距离第五个最近邻居的距离，并且这些点是从第五个邻居距离最小的一个到距离第五个邻居最远的一个。
我考虑了欧几里德距离的情节。例如，我知道点0-20是最接近它们的第5个最近邻居的点
浏览 7提问于2021-11-17得票数 1
我正在学习kNN模型的超参数，我遇到了“距离”和“均匀”权重函数参数。 我的理解是，权重函数将在模型经过训练后用于计算预测(通过对邻居的投票进行加权)。因此，我的问题如下： 我对权重函数的理解是否只用于预测(而不是在训练期间)？ 似乎使用'distance‘总是给出接近100%的训练准确率，这是否意味着使用'distance’函数会导致过度拟合？什么时候你应该使用'di
浏览 74提问于2021-02-04得票数 1
1回答
我目前正在尝试使用KNN来预测一个连续变量。我不想平等地对待每个邻居，我想用权重来创建一个加权平均值。权重本身并不理想，因为越接近一个邻居，我越希望那个邻居影响最终的结果。这导致我考虑每个距离的反比，但这不能处理实例与距离为0的完全相同的->的情况。
关于如何正确设置每个邻居相对于距离的权重，有什么建议吗？类似于逆向处理这个问题的<
浏览 0提问于2015-02-18得票数 1
我试图使用的KNN算法进行k次交叉验证网格搜索，搜索中的参数是邻居数K和距离度量。我包括mahalanobis和seuclidean作为距离度量，并理解它们有一个需要指定的参数，即V或VI (特征或逆的协方差矩阵)。','mahalanobis','seuclidean'],'metric_params':[{'V': np.cov(X_train)}]}
<
浏览 3提问于2020-01-20得票数 3
回答已采纳
我正在使用Weaviate的KNN引擎执行多类分类，但我不明白：
什么是输赢组，它们是如何用来预测新向量的类别的？
浏览 12提问于2021-12-07得票数 2
回答已采纳
1回答
我试图根据SetA和SetB的兴趣评级(1=Low，10=High)来匹配他们。我的真实数据集有40个特性(稍后我还想对某些特性设置更高的权重，以及不那么常见的兴趣--我相信会帮助我吗？)： [1.41421356 4.12310563]
[
浏览 4提问于2020-06-11得票数 0
回答已采纳
1回答
我知道Knn有一个问题，在处理高维数据时知道一个“维数诅咒”，它的理由是它包括计算距离时的所有特征，即欧几里德距离，其中不重要的特征作为噪声和偏差，但是我不理解一些事情。1)余弦距离度量如何受维数问题的影响，即定义余弦距离为cosDistance = 1- cosSimilarity，其中cosSimilarity有利于高维数据，那么余弦距离如何受维数诅咒的影响？( 2)我们能给weka中的
浏览 0提问于2014-02-06得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
