基于最近邻回归器中 k 值波动的度量效应
机器学习
2023-02-02 v1
摘要
机器学习的回归分支纯粹关注连续值的预测。监督学习分支有许多基于参数的和非参数的回归学习方法。在本文中我们旨在探讨一个与基于距离的回归模型相关的非常微妙的问题。所使用的基于距离的模型是 K-最近邻回归器，这是一种监督非参数方法。我们想要证明的一点是模型的 k 参数及其波动对度量的影响。我们所使用的度量是均方根误差和 R 平方拟合优度，并给出了它们相对于 k 值的直观表示。
引用
@article{arxiv.2208.11540,
title = {Metric Effects based on Fluctuations in values of k in Nearest Neighbor Regressor},
author = {Abhishek Gupta and Raunak Joshi and Nandan Kanvinde and Pinky Gerela and Ronald Melwin Laban},
journal= {arXiv preprint arXiv:2208.11540},
year = {2023}
}
备注
7 pages, 6 figures. To appear in proceedings of 3rd International Conference on Data Intelligence and Cognitive Informatics (ICDICI 2022)