关于最近邻分类器的高维修正
机器学习
2024-10-25 v3 机器学习
摘要
最近邻分类器可以说是文献中最简单、最流行的非参数分类器。然而,由于成对距离的集中以及邻域结构的破坏,该分类器在高维低样本量(HDLSS)情况下常常表现不佳,尤其是当竞争类别之间的尺度差异主导了它们的位置差异时。文献中已有一些尝试来解决这个问题。在本文中,我们讨论了其中一些现有方法,并提出了一些新方法。我们在这方面进行了一些理论研究,并分析了几个模拟和基准数据集,以比较所提方法与一些现有方法的经验性能。
引用
@article{arxiv.2407.05145,
title = {On high-dimensional modifications of the nearest neighbor classifier},
author = {Annesha Ghosh and Deep Ghoshal and Bilol Banerjee and Anil K. Ghosh},
journal= {arXiv preprint arXiv:2407.05145},
year = {2024}
}