Learning Vector Quantization
2024-09-19 23:09:27
学习矢量量化。
k近邻的缺点是你需要维持整个数据集的训练。
学习矢量量化算法(简称LVQ)是一种人工神经网络算法，它允许你选择要挂在多少个训练实例上，并精确地了解这些实例应该是什么样子。
LVQ的表示是一个codebook 向量的集合。这些都是在开始时随机选择的，并根据学习算法的多次迭代对训练数据集进行最佳的总结。
在学习之后，codebook vector可以用来做出像k近邻那样的预测。通过计算每个codebook vector和新数据实例之间的距离，可以找到最相似的邻居(最佳匹配的codebook vector)。然后将最佳匹配单元的类值或(回归的实际值)作为预测返回。
如果您将数据重新缩放到具有相同的范围(比如0到1之间)，就可以获得最佳结果。
如果发现KNN在数据集上提供了良好的结果，那么可以尝试使用LVQ来减少存储整个训练数据集的内存需求。
最新文章
- BZOJ4720 [Noip2016]换教室
- FreeMarker模板引擎
- Android tab导航的几种方法:ActionBar tab +fragment,Viewpager+pagerTitleStrip,开源框架ViewPageIndicator 和 ViewPager
- 1、c#中可以有静态构造方法，而java中没有，例如在单例模式中c#可以直接在静态构造中实例化对象，而java不可以
- 《C和指针》章节后编程练习解答参考——6.6
- pfsense 2.2RC下的L2TP配置
- 压缩tar命令
- 有关uploadifive的使用经验（转:http://www.cnblogs.com/itBscs/p/4781786.html ）
- JVM学习--(一)基本原理
- [转]nodejs使用request发送http请求
- Oracle的RowId和Rownum
- 用友云开放平台之API网关
- 如何通过代码审计挖掘REDos漏洞
- IntelliJ Idea编译报错：javacTask: 源发行版 1.7 需要目标发行版 1.7
- jmeditor与CKEditor4x整合的BUG
- 第二百六十六节，Tornado框架-XSS处理，页码计算，页码显示
- ExtJS6.0扩展日期选择控件为也可以选择时间
- Anaconda 2和3在Win10上共存
- Redis分布式锁的python实现
- 元素 "context:component-scan" 的前缀 "context" 未绑定的解决方案