Мы попытаемся понять алгоритмы BallTree и KDTree, используемые как в K-Neighbours Classifer, так и в K-Neighbors Regressor. Основное внимание будет уделяться пониманию обоих алгоритмов на небольших данных без использования какого-либо языка программирования, а затем пониманию того, что на самом деле означают параметры и атрибуты, упомянутые в KNeighborsClassifier и KNeighborsRegressor.
Алгоритм Ball Tree: - Мы рассмотрим алгоритм Ball Tree, следуя статье, написанной Тингом Лю, Эндрю В. Муром и Александром Греем, в которой объясняется, как на самом деле работает алгоритм Ball Tree.
Дерево KD: - Теперь мы переместим наше внимание с алгоритма Ball Tree на алгоритм KD Tree.
Использованная литература:-
- Http://www.jmlr.org/papers/volume7/liu06a/liu06a.pdf (для Ball Tree)
- Https://scikit-learn.org/stable/modules/neighbors.html#classification
- Https://www.geeksforgeeks.org/k-dimensional-tree/ (Для KD Tree)
PS: - Это мой первый блог, и моей целью было максимально упростить его. Любые комментарии, улучшения и предложения всегда приветствуются. Я довольно олдскульный и склонен писать вещи на бумаге, прежде чем применять их где-нибудь, так что извините меня, если текстового содержания было меньше, а изображений было больше.
Я скоро опубликую необходимый код, связанный с этим.