K 值的选择会对算法的结果产生重大影响 。
K值较小意味着只有与输入实例较近的训练实例才会对预测结果起作用 ， 但容易发生过拟合；如果K值较大 ， 优点是可以减少学习的估计误差 ， 但缺点是学习的近似误差增大 ， 这时与输入实例较远的训练实例也会对预测起作用 ， 使预测发生错误 。
在实际应用中 ， K值一般选择一个较小的数值 ， 通常采用交叉验证的方法来选择最优的 K 值 。随着训练实例数目趋向于无穷和K等于1时 ， 误差率不会超过贝叶斯误差率的2倍 ， 如果K也趋向于无穷 ， 则误差率趋向于贝叶斯误差率 。
秒懂生活扩展阅读
- 焦距的作用是什么
- 和平精英心愿活动在哪里
- 法律中规定的死刑缓刑是什么
- suamoment是中国的吗
- 中国御守和日本御守区别
- 为什么回潮
- 维修电工技师是中级职称吗
- 化学中蒸馏与萃取的适用范围
- 快速去猪皮毛妙招
- 青岛附近有哪些大学