增強knn分類器的準確性

Question

我有一套尺寸爲54 * 65536的訓練集和一套測試集18 * 65536。

我想用KNN分類，但我有一些問題：

1）我應該如何界定trainlabel？

Class = knnclassify(TestVec,TrainVec, TrainLabel,k); 

它是一個尺寸爲54 * 1的矢量，它定義了訓練集中每一行屬於哪個組？這組編號爲1，2，...

2）找到我用這個精度：

cp = classperf(TrainLabel); 
Class = knnclassify(TestVec,TrainVec, TrainLabel); 
cp = classperf(TestLabel,Class); 
cp.CorrectRate*100 

這是正確的？有另一種方法來計算它嗎？

3）如何提高準確度？

4）如何選擇k的最佳值？

Answer 1

我不知道matlab，也不是你提供的knn的實現，所以我只能回答你的一些問題。

1）你的假設是正確的。 trainlabel是一個54*1向量或一個大小爲54的數組或等價物，它定義訓練集中每個數據點（行）屬於哪個組。

2）... MATLAB/implementation related，sorry。

3）這是一個非常大的討論。可能的方法是：

• 選擇一個更好的值K。
• 預處理數據（或者如果已經應用，則預處理效果更好）。
• 獲得更好/更大的火車組。

僅舉幾例...

4），同時測量精度爲每一個可以使用不同的價值觀和保持最佳狀態。 （注意：如果你這樣做，確保你沒有測量每個值k的分類器的準確度只有一次，而是你使用一些技術，如10-Folding或）。
您正在使用K-NN分類器的庫提供此類實用程序的可能性很大。