我正在为一些 2D 数据构建分类器。
我有一些我知道类的训练数据，并将它们绘制在图表上以查看聚类。
对观察者来说，有明显的、独立的集群，但不幸的是，它们分布在线条上而不是紧密的集群中。一个线扩展以大约 80 度角上升，另一个以 45 度角上升，另一个与水平线呈约 10 度角，但所有三个似乎都指向原点。
我想对一些测试数据执行最近邻分类，从外观上看，如果测试数据与训练数据非常相似，则 3-最近邻分类器可以正常工作，除非数据接近图的原点，在这种情况下，三个集群非常接近，可能会有一些错误。
我应该为我的集群提出一些估计的高斯分布吗？如果是这样，我不确定如何将它与最近邻分类器结合起来？
感谢任何输入。
干杯
在运行最近邻之前，将所有点转换为 [r, angle]，并将 r 缩小到 0 到 90 的范围。
为什么 ？NN 使用点和中心之间的欧几里得距离（在大多数实现中），
但您希望distance( point, centre )更像 sqrt( (point.r - center.r)^2 + (point.angle - center.angle)^2 )
而不是 sqrt( (point.x - center.x)^2 + (point.y - center.y)^2 ) 。
将 r 缩小到 30 ? 10 ? 会比 r 更重的角度，这似乎是你想要的。
为什么要为此目的使用 k-NN？任何线性分类器都可以解决问题。尝试用 SVM 解决它，你会得到更好的结果。如果您坚持使用 kNN，您显然必须缩放特征并将它们转换为这里提到的极坐标。