【StatLearn】统计学习中knn算法的实验（一）

【StatLearn】统计学习中knn算法的实验（1）

Problem：

Develop a k-NN classifier with Euclidean distance and simple votingPerform 5-fold cross validation, find out which k performs the best (in terms of accuracy)Use PCA to reduce the dimensionality to 6, then perform 2) again. Does PCA improve the accuracy

问题：

设计一个采用欧式距离的的knn分类器应用5-fold进行交叉验证，寻找出最好的k值（从准确度考虑）使用PCA进行降维操作，将维数降至6维，这样应用PCA之后准确率有改善吗？

问题描述：http://archive.ics.uci.edu/ml/datasets/Wine
数据集: http://archive.ics.uci.edu/ml/machine-learningdatabases/wine/wine.data

开发的knn算法通过计算TestData中每一个观察点和TrainningData中的观察点的距离，得到k个最近距离的索引，然后统计其中频次最高的Class，并将这个Class作为该TestData的Class值。

knn算法的Matlab源代码：

通过观察PCA处理之后的特征值，发现只有6个特征值不为0，这样采用PCA降维的方法实现的将源数据13维降为6维之后没有损失能量，所以最后直接进行KNN分类的结果和采用PCA分类的结果是一致的，数据处理的难度却下降了。并且当K=1的时候准确率最高。
MaxAccuracy= 0.7525 when k=1 （KNN&PCA+KNN）
PCA算法处理之后的特征值
1
2
3
4
5
6
7
8
9
10
99202
173
9
5
1
1
0
0
0
……


 

 

查看更多 下一篇