基于角 Minkowski $p$-距离的词频分类

Oliver Urs Lenz; Chris Cornelis

基于角 Minkowski $p$-距离的词频分类

机器学习 2023-09-27 v1 计算与语言

作者: Oliver Urs Lenz , Chris Cornelis

摘要

角 Minkowski $p$ -距离是一种相异度度量,通过将余弦相异度定义中的欧氏距离替换为其他 Minkowski $p$ -距离得到。余弦相异度常用于含词频的数据集,而角 Minkowski $p$ -距离对某些任务可能是更佳选择。基于 20-newsgroups 数据集的案例研究中,我们评估了经典加权最近邻与模糊粗糙最近邻的分类性能。此外,我们分析了超参数 $p$ 、数据集维数 $m$ 、邻居数 $k$ 、权重选择及分类器选择之间的关系。我们得出结论:通过选取合适的 $p$ 值,使用角 Minkowski $p$ -距离可比经典余弦相异度获得显著更高的分类性能。

关键词

词频角 Minkowski $p$-距离余弦相异度最近邻模糊粗糙最近邻分类

引用

@article{arxiv.2309.14495,
  title  = {Classifying token frequencies using angular Minkowski $p$-distance},
  author = {Oliver Urs Lenz and Chris Cornelis},
  journal= {arXiv preprint arXiv:2309.14495},
  year   = {2023}
}

备注

Accepted for publication in the proceedings of IJCRS 2023

基于角 Minkowski $p$-距离的词频分类

摘要

关键词

引用

备注

相关论文