我有一个数据集，其中360 samples有class 0，而44 samples只有class 1。当我使用KNN model使k=3适应数据时，该模型将许多样本误分类为class 0。处理此类采样数据不均匀的最佳方法是什么？我可以设置k=1，但是从我的阅读中会导致产生强烈的噪音。
答案 0 :(得分：0)
在CrossValidated上查看this discussion，尤其是第三个答案。例如，提到的一种方法是“按类的大小的倒数”对邻居加权。在您使用k=3的示例中，这意味着在以下情况下，两个最近的邻居是class 0，一个最近的邻居是class 1，自1以来，标签将是class 1。 / 44> 2/360。这只是一种方法，您可以在上面链接的讨论中查看更多方法。我希望这会有所帮助！