基于LPP和Lasso的kNN回归算法

摘要 针对kNN回归算法中k值固定且未考虑样本相关性的影响,提出一种基于LPP和Lasso的最近邻算法.该算法通过局部保持投影与稀疏编码相结合,使训练样本对每一个测试样本都进行重构,重构过程中,LPP用于保持原始数据的局部结构,l1-范式确保每个测试样本被k个不同数目的最近邻样本预测,以此解决kNN算法中k值固定问题.在UCI数据集上得到的实验结果表明,改进算法在线性回归中的预测能力优于传统kNN算法