目前我正在尝试使用kNN分类对垃圾邮件进行分类。数据集以词袋表示法表示，它包含大约。大约10000次观察900个功能。 Matlab是我用来处理数据的工具。
在最后几天，我玩了几种机器学习方法：SVM，Bayes和kNN。在我看来，当涉及到最小化误报率时，kNN的表现胜过SVM和贝叶斯。检查10次交叉验证我使用k = 9和Manhattan-Distance获得0.0025的误报率。汉明距离在同一地区执行。
为了进一步提高我的FPR，我试图用PCA预处理我的数据，但是我的FPR值为0.08是不可接受的。
您是否知道如何调整数据集以获得更好的FPR？
PS：是的，这是我必须完成的任务才能通过机器学习课程。
答案 0 :(得分：0)
尝试的东西：重复计算训练数据中的非垃圾邮件样本。比如说，1000个样本中有500个是非垃圾邮件。在对非垃圾邮件进行重复计算后，您将获得1500个样本的训练集。这可能使假阳性测试样品更接近正近邻。请注意，整体性能可能会受到影