k-最近邻居，每个类中的对象数量差别很大

Question

我在数据集上运行knn（在R中），其中对象被分类为A或B.然而，除了B＆B之外还有更多A（A类中每18个A类18个） ）。

我该如何对抗这个？例如，如果我使用18的ak，并且邻居中有7个B（比18个组中的平均B更多），测试数据仍将被归类为A应该是B。

我认为较低的k会帮助我。选择k的值是否有任何经验法则，因为它与列车集中的类的频率有关？

Answer 1

不是这样的规则，对于你的情况，我会尝试一个非常小的k，可能在3到6之间。

关于数据集，除非您的测试数据或真实世界数据与您提到的相同比率（18：1）相同，否则我会删除一些A以获得更准确的结果，如果比率为，我不会建议您这样做确实接近现实世界的数据，因为你将失去比率的影响（较低的概率分类为较低的概率数据）。