k个最近邻中给定一个训练集和测试点T，需要被分类多线程程序

。如果我将训练集分成n个部分，那么对每个部分运行knn算法（k = 1）。之后，我比较每个部分的结果。它会给我一样的结果，就像我在整个训练集中运行1-nn一样吗？例如： N = 4分频训练上4份训练集的集成4份运行1-NN算法后，我已经从第2部分从第3部分得到的A点从第1部分，B点，C和D部分。然后，我可以比较从T到A，B，C和D的距离，以确定T属于哪个类别？k个最近邻中给定一个训练集和测试点T，需要被分类多线程程序

来源

2017-03-15 gunner308

我希望我理解这个问题......

如果要归类只考虑最近的点（1-NN），这将是确定。

但是，为了进行ķ -NN分类，考虑每个ķ组的最近点是不一样考虑ķ最近点，除非它们恰巧在不同的组。你至少应该保持ķ点，每个ñ组，然后挑选择的ñ* K之间最近的ķ点。

来源

2017-03-15 23:58:31 rrobby86

对不起，这个问题可能不够清楚。它总是1-nn。这是关于在训练集的4个非重叠部分上运行1-nn，然后比较4个局部最近邻居以挑选出1个全球最近的邻居是否正确。 – gunner308

好了，这是好的，因为到最后你得到设置，如果你通过他们在一个批次 – rrobby86

我认为还有反复训练的“最佳”点。但是，我的多线程机器学习程序在使用1个线程运行整个训练集时表现出最高的准确性。随着我增加正在运行的线程的数量（每个线程运行在训练集的不同部分上），准确度会降低。这就是我开始怀疑自己的原因。 – gunner308

k个最近邻中给定一个训练集和测试点T，需要被分类多线程程序

回答

相关问题