机器学习非参数方法概述（PPT 72页)

非参数方法
单击此处添加标题
K近邻
6.3 改进的近邻法
快速搜索近邻法
剪辑近邻法
最佳距离度量近邻法
Pazen 窗
1、Parzen窗方法综述、发展历史及现状
2、Parzen窗方法和概率神经网络
3、Parzen窗方法的优点和缺点
4、对Parzen窗法的改进
模式分类方法总结
最小距离分类器：将各类训练样本划分成若干子类，
并在每个子类中确定代表点，
一般用子类的质心或邻近质心的某一样本为代表点。
测试样本的类别则以其与这些代表点距离最近作决策。
该法的缺点是所选择的代表点并不一定能很好地代表各类，
其后果将使错误率增加。
最近邻法的基本思想：以全部训练样本作为“代表点”，
计算测试样本与这些“代表点”，即所有样本的距离，
并以最近邻者的类别作为决策。
近邻法是由Cover和Hart于1968年提出的，
随后得到理论上深入的分析与研究，
是非参数法中最重要的方法之一。
..............................