在KNN中,L1距离何时能与L2距离提供相似的性能?

这里有一个棘手的问题:

假设在KNN中我们使用了L2距离(欧几里得距离)。我们也可以使用其他距离度量,例如L1距离。如果使用L1距离的最近邻分类器的性能不会改变,那么以下情况成立:

  1. 数据经过预处理,减去均值。
  2. 数据经过预处理,减去均值并除以标准差。
  3. 数据的坐标轴被旋转。
  4. 以上皆非。

回答:

只有第2项是正确的,因为其他选项会过多地改变L1距离

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注