Nearest-neighbor classifiers use dis

Nearest-neighbor classifiers use distance-based comparisons that intrinsically assign
equal weight to each attribute. They therefore can suffer from poor accuracy when given
noisy or irrelevant attributes. The method, however, has been modified to incorporate
attribute weighting and the pruning of noisy data tuples. The choice of a distance metric
can be critical. The Manhattan (city block) distance (Section 2.4.4), or other distance
measurements, may also be used.

Kết quả (Việt) 1:

Gần nhất hàng xóm classifiers sử dụng dựa trên khoảng cách so sánh intrinsically gántrọng lượng bằng nhau mỗi thuộc tính. Họ do đó có thể bị kém chính xác khi đưa rathuộc tính ồn ào hoặc không thích hợp. Các phương pháp, Tuy nhiên, đã là modified để kết hợpthuộc tính nặng và cắt tỉa tuples ồn ào dữ liệu. Sự lựa chọn của một thước đo khoảng cáchcó thể là quan trọng. Khoảng cách Manhattan (khối thành phố) (phần 2.4.4), hoặc khoảng cách khácđo đạc, cũng có thể được sử dụng.

Kết quả (Việt) 2:

Gần hàng xóm ers fi phân loại sử dụng so sánh khoảng cách dựa trên bản chất giao
cân bằng với mỗi thuộc tính. Do đó, họ có thể bị chính xác kém khi đưa ra
các thuộc tính ồn ào hoặc không thích hợp. Phương pháp này, tuy nhiên, đã được Modi fi ed để kết hợp
trọng số thuộc tính và tỉa bộ dữ liệu ồn ào. Việc lựa chọn một số liệu khoảng cách
có thể là rất quan trọng. The Manhattan (khối phố) khoảng cách (Phần 2.4.4), hoặc khoảng cách khác
đo, cũng có thể được sử dụng.