近邻分类
-
LMNN大间隔最近邻监督距离度量学习系统
本项目实现了一种高效的监督式距离度量学习算法，即大间隔最近邻（Large Margin Nearest Neighbor, LMNN）算法。该算法是目前监督距离度量学习领域中效果最好的方法之一，旨在通过优化手段学习一个针对特定数据集的马氏度量（Mahalanobis distance）。 其核心功能是在给定的训练数据上，学习一个线性变换矩阵，使得在变换后的特征空间中，每个样本点的k个目标邻居（属于同一类别的近邻点）被尽可能拉近，而不同类别的样本（称为侵入者）则被推离，且保持一个较大的安全间隔。 实现方法采
