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Boosting应用APPLICATIONOFBOOSTINGINKNN主讲老师：陈宇
目录01什么是KNN？03KNN中Boosting的应用02什么是Boosting？04实验结果05结论
01什么是KNN？WhatisKNN?
什么是KNN？K近邻算法KNN是一种简单而又常用的分类和回归算法；训练数据集和测试数据集是基于距离度量来进行分类。K值的不同K的取值影响模型的表现情况；K值较小，分类较为细致；K值较大，分类较为简单。
02什么是Boosting？WhatisBoosting?
什么是Boosting？Boosting提升算法，是一种将弱分类算法提升为强分类算法的方法；不同于Bagging，是通过加权来提高分类器的分类效果；AdaBoost是其中比较常用的Boosting算法。Boosting算法AdaBoost算法流程初始化训练数据权值分布输出最终强分类器迭代进行训练调整数据权值分布
03KNN中Boosting的应用ApplicationofBoostinginKNN
KNN中Boosting的应用是将KNN算法与AdaBoost算法相融合的一种算法；对于KNN中每个样本点，计算它的分类误差率累计误差率；误差率可以作为Adaboost的损失函数使用。KNN中Boosting的应用AdaboostKNN流程初始化训练数据集权值分布输出最终强分类器迭代进行训练调整数据集权值分布
04实验结果WhatisBoosting?
实验结果实验结果KNN算法准确率为90%；AdaBoostKNN算法准确率为94%；准确率显著提高。实验数据使用iris数据集进行分类实验计算分类准确率
05结论Conclusion
结论AdaboostKNN是一种有效的分类算法；在KNN算法的基础上，通过引入AdaBoost算法提升表现；可以用于其他分类任务，提高预测准确率。
谢谢观看THANKYOUFORWATCHING主讲老师：陈宇
文档评论（0）