文件名称：matlab最简单的代码-How-to-Talk-of-Improving-Nearest-Neighbor:如何讨论最近的邻居
文件大小：238KB
文件格式：ZIP
更新时间：2024-06-11 07:22:20
系统开源
matlab最简单的代码如何讨论最近的邻居 2020年12月21日 我感谢您的评论。 给我发电子邮件！ 雇用我！ :smiling_face_with_smiling_eyes: 所以上次，我们看到了最近邻居分类的基础知识。 现在，我们将看到如何将其提升到一个新的水平。 因此，如果您还记得，我们在MNIST手写数字数据集上试用了最近的邻居。 我们发现它获得了相当合理的性能，在单独的测试集上的错误率为3.09％。 这些是它所犯错误的一些例子。 我们如何进一步提高其性能？ 让我们看一下执行此操作的两种标准方法。 第一个是移到K近邻，第二个是寻找更好的距离函数。 因此，K近邻分类，这是一个非常简单的想法。 当做最近的邻居时，而不是简单地在测试集中寻找最接近的点。 找到最接近的三个点，或最接近的五个点。 他们每个人都有一个标签。 返回多数标签或最常用标签。 让我们看看这对MNIST的影响。 好的。 因此，当K等于1时，这就是我们上次看到的相同的最近邻居分类器。 并且它的错误率是3.09％。 当K等于三时，为了对新图像进行分类，我们正在做的是找到训练集中的三幅最接近的图像。 并返回他们的多数票。 如果执行此操作，则错误率会略有下降，降至2.49％。 当我们
【文件预览】：
How-to-Talk-of-Improving-Nearest-Neighbor-main
----README.md(11KB)
----week1_improving_nearest_neighbor_dec212020.pdf(243KB)