代码之家  ›  专栏  ›  技术社区  ›  Soyol

什么时候L1距离与KNN中L2距离的性能相似?

knn machine-learning
  •  0
  • Soyol  · 技术社区  · 8 年前

    这是一个棘手的问题:

    假设在KNN中,我们使用了L2距离(欧几里德距离)。我们还可以使用其他距离度量,例如L1距离。如果出现以下情况,则使用L1距离的最近邻分类器的性能不会改变:

    1. 通过减去平均值对数据进行预处理。
    2. 通过减去平均值并除以标准偏差对数据进行预处理。
    3. 旋转数据的坐标轴。
    4. 以上都不是。
    2 回复  |  直到 8 年前
        1
  •  1
  •   machine learner    8 年前

    只有2是正确的,因为其他的改变了L1距离太多

        2
  •  0
  •   Liwei    7 年前

    1、2和3都可以。

    1是平移,3是旋转。两者都不会改变L1距离。因此KNN结果不变。

    2是平移+缩放。虽然L1已更改,但点的相对位置仍然相同。因此,KNN结果与之前相同。

    推荐文章
    Soyol  ·  什么时候L1距离与KNN中L2距离的性能相似?
    8 年前
    Nolan Bradshaw  ·  Numpy数组转换错误
    8 年前
    Angel  ·  R中的k近邻核回归
    8 年前
    Ben  ·  R中的Knn回归
    8 年前
    masouduut94  ·  张量流KNN:我们如何分配K参数来定义KNN中的邻居数?
    8 年前
    Jimbo_ai  ·  MATLAB:我的k-NN分类器工作正常吗?
    10 年前
    daydayup  ·  rtree/btree数据结构从小到大
    10 年前
    Alex  ·  KNN Matlab列车测试交叉验证
    10 年前
    关于   移动版
    代码之家 - 一站式码农服务社区
    沪ICP备11025650号