研究者提出EANK自适应近邻k优化方法
热点事件持续更新
研究者提出EANK自适应近邻k优化方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Isaac Touza等研究者提出EANK（进化自适应近邻K）方法，用低维策略把密度、标签熵、投票边际和集中度等局部邻域特征映射为每个样本各自的自适应近邻数k(x)，再用实数编码精英遗传算法，以留一法准确率加邻域平滑惩罚为目标进行优化。 在合成数据和12个公开数据集上，嵌套交叉验证显示EANK与调优后的全局k基线表现相当，并优于默认的k=5。
AI 根据报道生成 · 2 小时前更新
最新进展11月6日 13:00
EANK：用遗传算法为 k-NN 优化实例级自适应邻居数 k报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- arXiv cs.AIEANK：用遗传算法为 k-NN 优化实例级自适应邻居数 k
研究者提出 EANK（Evolutionary Adaptive Neighborhood K），用低维策略将密度、标签熵、投票边际和集中度等局部邻域描述映射为实例级自适应 k(x)，并以实数编码精英遗传算法结合留一法准确率与邻域平滑惩罚进行优化。在合成数据与 12 个公开数据集上，嵌套交叉验证下 EANK 表现与调优的全局 k 基线相当，并优于默认 k=5。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。