神经网络初学者-k最邻近

今天，我们来了解一下k-最邻近分类器
这是原文地址http://cs231n.github.io/classification/
现在，让我们开始吧
首先，k-最邻近分类器与卷积神经网络一点关系都没有，但是它会给我们一个直观感受，分类器是如何工作
的。
以下是我对于k-最邻近分类器的认识，如果有出入，还望指正
有两种常见的距离的计算
1.普通计算

2.欧式距离

再计算出每个点之间的距离之后，将他们相加，如何test和train一样，则距离之和接近或等于0，反之，距离之和会非常大，下面是简单的计算过程

结果 您可能已经注意到，当我们希望进行预测时，仅使用最近图像的标签是很奇怪的。实际上，几乎总是通过使用所谓的k-最近邻分类器来做得更好。这个想法很简单：我们不是在训练集中找到最近的单个图像，而是找到最前面的k个最近的图像，并让它们在测试图像的标签上投票。特别是，当k = 1时，我们恢复最近邻分类器。直观地说，较高的k值具有平滑效应，使分类器更能抵抗异常值：
心得 今天对于k-最邻近有了不错的认识(我觉得还行) 了解了两种计算距离的方法，(推荐使用第一种)
了解了k-最邻近是如何工作的，如何比较得出结果。收获还行