如何为训练观察实现具有自定义权重的 KNN 分类器

Posted 2023-03-13

【中文标题】如何为训练观察实现具有自定义权重的 KNN 分类器

【英文标题】：How to implemented a KNN classifier with custom weighting for training observations

【发布时间】：2016-10-12 17:45:25

【问题描述】：

我想实现一个 KNN 分类器，其中对于训练集中的每个观察值，我都有一个加权变量（准确度的度量）。换句话说，我希望具有高权重的邻居对测试观察的类概率估计做出更大的贡献。如何将这个权重合并到 R 中？是否有现有的算法可以做到这一点？

【问题讨论】：

图所有 KNN 分类器都将针对给定的数据集自定义，而不是其他数据。您可以查看包 KKNN 和 FNN 以及 google.com/… 进行讨论。您是研究空间、时间还是更任意形式的邻里关系？

【参考方案1】：

您可能需要查看以下两部分教程。 我想这对我们的案例很有帮助。

https://www.youtube.com/watch?v=GtgJEVxl7DY&t=647s

https://www.youtube.com/watch?v=DkLNb0CXw84&t=603s

Knn默认通过测量测试点和训练集之间的距离来比较不同行的模式来比较每个属性的权重。

希望有帮助