最近邻分类的收敛速率
机器学习
2014-07-03 v2 统计理论
机器学习
统计理论
摘要
最近邻方法是一类流行的非参数估计器，具有多种理想特性，例如适应空间不同区域的不同距离尺度。先前关于最近邻分类收敛速率的工作尚未完全反映这些细微特性。我们在度量空间中分析了这些估计器的行为，并在最小假设下提供了有限样本、依赖分布的收敛速率。作为副产品，我们能够在比以前已知更广泛的数据空间范围内确立最近邻的普遍一致性。我们通过引入为最近邻分类定制的平滑类来说明我们的上界和下界。
引用
@article{arxiv.1407.0067,
title = {Rates of Convergence for Nearest Neighbor Classification},
author = {Kamalika Chaudhuri and Sanjoy Dasgupta},
journal= {arXiv preprint arXiv:1407.0067},
year = {2014}
}