機器學習非參數方法概述（PPT 72頁)

非參數方法
單擊此處添加標題
K近鄰
6.3 改進的近鄰法
快速搜索近鄰法
剪輯近鄰法
最佳距離度量近鄰法
Pazen 窗
1、Parzen窗方法綜述、發展曆史及現狀
2、Parzen窗方法和概率神經網絡
3、Parzen窗方法的優點和缺點
4、對Parzen窗法的改進
模式分類方法總結
最小距離分類器：將各類訓練樣本劃分成若幹子類，
並在每個子類中確定代表點，
一般用子類的質心或鄰近質心的某一樣本為代表點。
測試樣本的類別則以其與這些代表點距離最近作決策。
該法的缺點是所選擇的代表點並不一定能很好地代表各類，
其後果將使錯誤率增加。
最近鄰法的基本思想：以全部訓練樣本作為“代表點”，
計算測試樣本與這些“代表點”，即所有樣本的距離，
並以最近鄰者的類別作為決策。
近鄰法是由Cover和Hart於1968年提出的，
隨後得到理論上深入的分析與研究，
是非參數法中最重要的方法之一。
..............................