Fatal编程技术网
  • algorithm/
  • Algorithm KNN算法中规范化的必要性

Algorithm KNN算法中规范化的必要性

algorithm machine-learning

Algorithm KNN算法中规范化的必要性,algorithm,machine-learning,normalization,knn,nearest-neighbor,Algorithm,Machine Learning,Normalization,Knn,Nearest Neighbor,为什么KNN中需要标准化？我知道该过程将所有特征对结果的影响标准化，但标准化前与特定点V最近的“K”点与标准化后与该特定点V最近的“K”点完全相同。那么标准化对欧几里德距离有什么影响呢。毕竟KNN完全依赖于欧几里得距离 提前谢谢 如果在不同维度中有不同的可变性，大多数标准化技术都会改变“K”近邻 想象数据集A=（-5,0）、B=（-5,1）和C=（5,1）。现在考虑一个兴趣点（4.5，0）。显然，C是最近的邻居 在两个维度的最小-最大规格化为（-1,1）后，数据集将变成A=（-1，-1）、B=（

为什么KNN中需要标准化？我知道该过程将所有特征对结果的影响标准化，但标准化前与特定点V最近的“K”点与标准化后与该特定点V最近的“K”点完全相同。那么标准化对欧几里德距离有什么影响呢。毕竟KNN完全依赖于欧几里得距离
提前谢谢

如果在不同维度中有不同的可变性，大多数标准化技术都会改变“K”近邻

想象数据集A=（-5,0）、B=（-5,1）和C=（5,1）。现在考虑一个兴趣点（4.5，0）。显然，C是最近的邻居

在两个维度的最小-最大规格化为（-1,1）后，数据集将变成A=（-1，-1）、B=（-1,1）、C=（1,1）。你的兴趣点对应于这个新空间中的（0.9，-1）。因此，A现在是最近的邻居。

A=（-1，-1）不是最接近（.9，-1）吗？你在平面上使用欧几里得距离吗？@Rachel:是的，你是正确的，固定的。不知道我最初是怎么搞砸的：-\