使用 KNN 对不均匀采样数据进行分类
Classification of unevenly sampled data using KNN
我有一个数据集，其中 class 0 为 360 samples，class 1 为 44 samples。当我使用 k=3 将 KNN model 拟合到数据时，模型将大量样本错误分类为 class 0。处理此类采样数据不均匀的最佳方法是什么？我可以设置 k=1 但从我读到的内容会导致产生强烈影响的噪音。
在 CrossValidated 上查看 this discussion，尤其是第三个答案。例如，提到的一种方法是对邻居进行权衡 "by the inverse of their class size"。在您使用 k=3 的示例中，这意味着在两个最近的邻居是 class 0 并且一个最近的邻居是 class 1 的情况下，标签将是 class 1，因为 1 /44 > 2/360。这只是一种方法，您可以在上面链接的讨论中查看更多方法。希望对您有所帮助！
我有一个数据集，其中 class 0 为 360 samples，class 1 为 44 samples。当我使用 k=3 将 KNN model 拟合到数据时，模型将大量样本错误分类为 class 0。处理此类采样数据不均匀的最佳方法是什么？我可以设置 k=1 但从我读到的内容会导致产生强烈影响的噪音。
在 CrossValidated 上查看 this discussion，尤其是第三个答案。例如，提到的一种方法是对邻居进行权衡 "by the inverse of their class size"。在您使用 k=3 的示例中，这意味着在两个最近的邻居是 class 0 并且一个最近的邻居是 class 1 的情况下，标签将是 class 1，因为 1 /44 > 2/360。这只是一种方法，您可以在上面链接的讨论中查看更多方法。希望对您有所帮助！