原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
KNN中Bagging认知BAGGINGCOGNITIONINKNN主讲老师：陈宇
目录01KNN算法简介03KNN中的Bagging02Bagging算法简介04KNN中Bagging的实战应用
01KNN算法简介BriefintroductionofKNNalgorithm
KNN算法简介什么是KNNKNN（K-NearestNeighbor）是一种基本的分类算法；通过对已知数据的学习，对未知数据进行分类。KNN分类原理根据样本数据中每个数据点k个最近邻居的投票来决定所求数据的分类；选定距离度量，如欧式距离、曼哈顿距离等等。
02Bagging算法简介BriefintroductionofBaggingalgorithm
Bagging算法简介Bagging算法概述Bagging（BootstrapAggregating）即自助采样法；对数据进行有放回抽样；通过运用多个可同步处理的模型，利用其各自的随机误差所得到的预测结果取平均值来提高泛化性能。Bagging算法流程随机生成个训练集；在每个子训练集上训练出一个单独的模型；对于任意输入，将这个模型的输出取平均值。
03KNN中的BaggingBagginginKNN
KNN中的BaggingKNN中的Bagging在KNN中，Bagging算法是通过并行使用多个KNN算法实现的；每个KNN算法在m个随机样本中构建模型，然后将结果进行平均。KNN中的Bagging优势通过降低方差来提高模型的性能和稳定性；提高算法的鲁棒性。
04KNN中Bagging的实战应用PracticalApplicationofBagginginKNN
KNN中Bagging的实战应用KNN中Bagging的实战应用：在手写数字识别问题中；使用Bagging-KNN算法进行实验；对比KNN算法和普通Bagging算法的性能。Bagging-KNN算法表现的更加优异在MNIST数据集上，错误率能降低%
谢谢观看THANKYOUFORWATCHING主讲老师：陈宇
文档评论（0）