k-nächste Nachbarn

Sven-Ake Wegner ()

Chapter Kapitel 3 in Mathematische Einführung in Data Science, 2023, pp 37-52 from Springer

Abstract: Zusammenfassung Gegeben ein metrischer Raum und eine gelabelte Datenmenge deren Features Elemente des metrischen Raumes sind, diskutieren wir mehrere Algorithmen, die auf dem Konzept der k-nächsten Nachbarn basieren. Darunter sind insbesondere der k-NN-Klassifizierer mit Mehrheitswahl und der k-NN-Regressor mit arithmetischem Mittel. Der Effekt des Overfittings wird anhand von Beispielen diskutiert. Wir stellen einige Preprocessingmethoden vor und verallgemeinern dann das anfangs genannte Setting von metrischen Räumen auf Abstandsmaße. Dies erlaubt es uns, die Kosinusähnlichkeit bzw. den Kosinusabstand zu behandeln. Als Beispiele diskutieren wir Textmining, Produktbewertungen und Handschrifterkennung.

Date: 2023
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-68697-3_3

Ordering information: This item can be ordered from
http://www.springer.com/9783662686973

DOI: 10.1007/978-3-662-68697-3_3

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().