KNN算法中K是怎么决定的
K 值的选择会对算法的结果产生重大影响。
K值较小意味着只有与输入实例较近的训练实例才会对预测结果起作用，但容易发生过拟合；如果K值较大，优点是可以减少学习的估计误差，但缺点是学习的近似误差增大，这时与输入实例较远的训练实例也会对预测起作用，使预测发生错误。
在实际应用中，K值一般选择一个较小的数值，通常采用交叉验证的方法来选择最优的 K 值。随着训练实例数目趋向于无穷和K等于1时，误差率不会超过贝叶斯误差率的2倍，如果K也趋向于无穷，则误差率趋向于贝叶斯误差率。
查看全部
KNN算法中K是怎么决定的 相关文章
相关资讯
你可能感兴趣的资讯
1OKX新手指南（镜像访问）—新手必读，安全敏感人群必备，加速KYC通过
2欧易账号开通（镜像访问）—进阶策略，新手用户必备，加速KYC通过
3欧易入门路径全指南：实操手册·零经验可用·优化充值提现·持续迭代
42026最新欧易入门路径：完整攻略，国内网络环境优选，零经验可用
5欧易实名认证全指南：完整攻略·一步一图·减少风控拦截·当季优化
6欧易OKX注册：实操手册-大陆用户-老用户回归-加速KYC通过
7欧易实名认证全指南：完整攻略·无痛安装·稳定访问入口·最新版
8欧易账号开通：完整攻略-大陆用户-安全敏感人群-提升账户安全