1) 我们知道KNN在训练阶段不执行任何计算,而是将所有计算推迟到分类阶段,因此我们称其为惰性学习器。它应该在分类中花费比训练更多的时间,但是我发现对于weka来说这个假设几乎相反。在weka中,KNN在训练时需要比测试更多的时间。
为什么在weka中KNN在分类方面表现得更快?这是为什么?是否也会导致计算错误?
2) 当我们说KNN中的特征加权可能会提高高维数据的性能时,我们指的是什么?我们是指特征选择和选择具有高信息增益的特征吗?
为什么在weka中KNN在分类方面表现得更快?这是为什么?是否也会导致计算错误?
2) 当我们说KNN中的特征加权可能会提高高维数据的性能时,我们指的是什么?我们是指特征选择和选择具有高信息增益的特征吗?