機器學習_學習筆記系列(48)：半徑鄰近演算法分類(Radius Neighbor Classification)

前兩個章節我們介紹如何運用kNN來解決分類和回歸上的問題，在kNN裡面我們是從訓練資料集選出k個距離最近的點。而我們今天要介紹另一個非常像的演算法Radius Neighbor

Radius Neighbor

對於Radius Neighbor其想法也相當值觀，就是當我們選到一個點的時候，我們會從我們設定的固定半徑裡面，看看有那些訓練集資料落在裡面，然後再看看們的類別是什麼，選出類別最多的即為該點的預測類別。若半徑裡面沒有任何的資料點，我們就選離最近的。

接下來我們一樣來看看Radius Neighbor的效能

我們可以看到當半徑R越大，我們的邊界線也會變得越來越平滑，也就是我們模型的泛話能力會越來越好，但是相同的如果我們所選的半徑R過大，對於一些局部的區域，就無法很好的catch到我們想要的結果。

Python Sample Code:

Github:

tomohiroliu22/Machine-Learning-Algorithm

Reference:

[1] Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825–2830, 2011.