增强knn分类器的准确性

Question

我有一套尺寸为54 * 65536的训练集和一套测试集18 * 65536。

我想用KNN分类，但我有一些问题：

1）我应该如何界定trainlabel？

Class = knnclassify(TestVec,TrainVec, TrainLabel,k); 

它是一个尺寸为54 * 1的矢量，它定义了训练集中每一行属于哪个组？这组编号为1，2，...

2）找到我用这个精度：

cp = classperf(TrainLabel); 
Class = knnclassify(TestVec,TrainVec, TrainLabel); 
cp = classperf(TestLabel,Class); 
cp.CorrectRate*100 

这是正确的？有另一种方法来计算它吗？

3）如何提高准确度？

4）如何选择k的最佳值？

Answer 1

我不知道matlab，也不是你提供的knn的实现，所以我只能回答你的一些问题。

1）你的假设是正确的。 trainlabel是一个54*1向量或一个大小为54的数组或等价物，它定义训练集中每个数据点（行）属于哪个组。

2）... MATLAB/implementation related，sorry。

3）这是一个非常大的讨论。可能的方法是：

• 选择一个更好的值K。
• 预处理数据（或者如果已经应用，则预处理效果更好）。
• 获得更好/更大的火车组。

仅举几例...

4），同时测量精度为每一个可以使用不同的价值观和保持最佳状态。 （注意：如果你这样做，确保你没有测量每个值k的分类器的准确度只有一次，而是你使用一些技术，如10-Folding或）。
您正在使用K-NN分类器的库提供此类实用程序的可能性很大。