一种评估最近邻分类的统一加权框架
原文中文，约400字，阅读约需1分钟。发表于：。我们首次全面且大规模地评估了经典的最近邻（NN）、模糊最近邻（FNN）和模糊粗糙最近邻（FRNN）分类方法，同时我们发现 NN、FNN 和 FRNN 都与 Boscovich 距离表现最佳，NN 采用 Yager 距离权重的方式可以达到与 Samworth 距离和等级权重相结合的方式相当的性能，FRNN 通常优于 NN，而 NN 又明显优于 FNN。
最近的论文提出了一种新的基于概率方法的度量方法PP&PR，用来解决基于k近邻的精确率-召回率度量方法存在的不可靠评估问题。通过实验研究，展示了PP&PR提供了更可靠的估计方法来比较忠实度和多样性。
