0

我正在执行数值变量的 kNN 预测（knn 回归或局部加权平均值）。我使用欧几里得距离和 1/距离作为权重，但我不知道这是如何应用的。我有问题：

WEKA IBk 中回归的加权究竟是如何执行的？这是一个简单的函数，比如 1/distance 还是更复杂的函数？我查看了源代码，但我什么也看不懂。距离是如何定义的——是欧几里得还是一些修改？该代码的含义（这是来自 IBk 源代码的第 867 和 868 行）：

distances[i] = distances[i]*distances[i];
distances[i] = Math.sqrt(distances[i]/m_NumAttributesUsed);
4

1 回答 1

1

在 kNN 中，加权允许更接近数据点的邻居对预测值有更大的影响。

对于使用 IBk 的 Weka 中的数值回归，加权的执行如链接方法所示。

我总结了以下伪代码中的步骤。

第 0 步：预测 = 0，总计 = 0

第1步：

对于每个 k 邻居：

  1. 计算到邻居i的距离

  2. 计算重量：重量 = 1 /（距离）

  3. 更新预测：预测=预测+邻居i的类值*权重

  4. 更新总计：总计 = 总计 + 重量

第 2 步：预测 = 预测 / 总计

第三步：返回（预测）

于 2013-09-27T14:34:36.010 回答