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 fluent的在模拟压强时使用希望得到一些建议
- ¥15 STM32驱动继电器
- ¥15 Windows server update services
- ¥15 关于#c语言#的问题:我现在在做一个墨水屏设计,2.9英寸的小屏怎么换4.2英寸大屏
- ¥15 模糊pid与pid仿真结果几乎一样
- ¥15 java的GUI的运用
- ¥15 Web.config连不上数据库
- ¥15 我想付费需要AKM公司DSP开发资料及相关开发。
- ¥15 怎么配置广告联盟瀑布流
- ¥15 Rstudio 保存代码闪退