我手里的数据类别是1,2,3。在计算欧氏距离之后取最近的k个训练项后,用距离加权合适吗?我的目标是离散的1,2,3啊,如果用平均值或者距离加权计算出来的应该还需要判断或者取整吧,这样合适吗?我现在的代码是直接看标签为1,2,3的项哪个多就归到那一类,一样多直接认为无法判断(判错)。这种离散目标值应该怎么选择算法呢。。。。
1条回答 默认 最新
- ChatGPTᴼᴾᴱᴺᴬᴵ 2023-02-28 12:52关注
该回答引用ChatGPT
在KNN算法中,使用距离加权或者平均值进行类别判定是比较常见的方法。对于离散的目标值,您可以使用投票的方式进行判定,即选择k个最近的训练样本中出现最多的类别作为预测的类别。
如果存在多个类别出现次数相同的情况,您可以采取随机选择的方式来确定预测的类别。另外,您也可以考虑使用其他的分类算法,例如决策树、朴素贝叶斯等,它们也适用于离散目标值的情况。
总之,对于离散目标值的问题,您需要选择适当的算法进行分类,并采用合适的方法进行类别判定。
解决 无用评论 打赏 举报
悬赏问题
- ¥15 CSS实现渐隐虚线边框
- ¥15 thinkphp6配合social login单点登录问题
- ¥15 HFSS 中的 H 场图与 MATLAB 中绘制的 B1 场 部分对应不上
- ¥15 如何在scanpy上做差异基因和通路富集?
- ¥20 关于#硬件工程#的问题,请各位专家解答!
- ¥15 关于#matlab#的问题:期望的系统闭环传递函数为G(s)=wn^2/s^2+2¢wn+wn^2阻尼系数¢=0.707,使系统具有较小的超调量
- ¥15 FLUENT如何实现在堆积颗粒的上表面加载高斯热源
- ¥30 截图中的mathematics程序转换成matlab
- ¥15 动力学代码报错,维度不匹配
- ¥15 Power query添加列问题