首页 > 《价值工程》 > 2014年1期 > 训练样本分布不均的KNN分类改进算法

训练样本分布不均的KNN分类改进算法

在线阅读下载PDF 导出详情

摘要摘要院分类是数据挖掘的重要组成部分，它根据类标号已知的数据建立模型，进而使用该模型来预测类标号未知的数据所属的类。KNN方法作为一种简单、有效、非参数的分类方法，在文本分类中得到广泛的应用，但是这种方法在训练样本的分布不均匀时会造成分类准确率的下降。针对KNN方法存在的这个问题，本文提出了一种基于相对距离的KNN分类方法，这种方法减少了边界点处测试样本的误判。实验结果显示，这种方法具有很好的性能。

DOI ojnvoqgl4r/4204537

作者丁应逵

机构地区 TheKNNClassificationImprovedAlgorithmoftheTrainingSampleNonuniformDistribution

出处《价值工程》 2014年1期

关键词院KNN 相对距离准确率

分类 [经济管理][企业管理]

出版日期 2014年01月11日（中国期刊网平台首次上网日期，不代表论文的发表时间）