matlab最简单的代码-How-to-Talk-of-Improving-Nearest-Neighbor:如何讨论最近的邻居

时间:2024-06-11 07:22:20
【文件属性】:

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)

网友评论