提高knn分类器的准确性

Question

我的训练集大小为54 * 65536，测试集为18 * 65536。

我想使用knn分类器，但我有一些问题：

1）我应该如何定义trainlabel？

Class = knnclassify(TestVec,TrainVec, TrainLabel,k);

大小为54 * 1的向量是否定义了训练集中每一行属于哪个组？这里的组编号为1,2，..

2）为了找到我使用的准确度：

cp = classperf(TrainLabel);   
Class = knnclassify(TestVec,TrainVec, TrainLabel);
cp = classperf(TestLabel,Class);
cp.CorrectRate*100

这是对的吗？还有另一种计算方法吗？

3）如何提高准确度？

4）如何选择k的最佳值？

Answer 1

我不知道matlab也不知道你提供的knn的实现，所以我只能回答你的一些问题。

1）你的假设是正确的。 trainlabel是54*1向量或大小为54或等效的数组，用于定义训练集中每个数据点（行）所属的组。

2） ...... MATLAB /实现相关，抱歉。

3）这是一个非常大的讨论。可能的方法是：

• 选择更好的K值。
• 预处理数据（如果已经应用，则更好地进行预处理）。
• 获得更好/更大的火车组。

仅举几例......

4）您可以在测量每个值的准确度时使用不同的值并保持最佳状态。 （注意：如果你这样做，请确保你没有按照k每个值来衡量分类器的准确度，而是使用某种技术，例如 10-Folding 或某事） 您为K-NN分类器使用的库提供此类实用程序的可能性非常大。