KNN算法中标准化的必要性

为什么在KNN中需要标准化?我知道这个过程会使所有特征对结果的影响标准化,但在标准化之前,某点V的’K’个最近点与标准化之后的’K’个最近点是完全相同的。那么,标准化对欧几里得距离有什么影响呢?毕竟KNN完全依赖于欧几里得距离?提前感谢!


回答:

大多数标准化技术会在不同维度具有不同变异性时改变’K’个最近邻居。

想象一个数据集,A=(-5,0),B=(-5,1),C=(5,1)。现在考虑一个感兴趣点(4.5, 0)。显然,C是最接近的邻居。

在两个维度上进行到(-1,1)的min-max标准化后,你的数据集变为A=(-1, -1),B=(-1,1),C=(1,1)。你的感兴趣点在这个新空间中对应于(0.9, -1)。因此,现在A是最接近的邻居。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注