You need to enable JavaScript to run this app. 咨询Orange中kNN分类时欧氏与哈明距离结果一致的原因
优惠活动
大模型
产品
解决方案
定价
更多

咨询Orange中kNN分类时欧氏与哈明距离结果一致的原因

Orange框架下kNN距离度量的对比疑问

背景说明

  • 已使用Orange框架开展多分类算法的效果验证,通过Test and Score组件搭配k折交叉验证模式,在UCI资源库的nursery数据集上测试kNN、ANN等方法的分类表现
  • 所用nursery数据集的全部属性均为分类类型,无连续数值特征
  • 按照领域常识,离散分类属性的样本距离计算更适配哈明距离,因此尝试通过Python组件手动配置哈明距离参数的kNN学习器,对应配置代码为:
import Orange
knn = Orange.classification.KNNLearner(n_neighbors=9, metric="hamming")
out_learner=knn
  • 对比测试时发现,采用默认欧氏距离的kNN配置、手动指定哈明距离的kNN配置,在同一数据集、同一交叉验证设置下的测试结果完全一致,无法感知两种距离计算逻辑的差异

核心待解问题

  • 对于全分类属性的数据集,Orange内置的kNN是如何完成欧氏距离计算的?
  • 为什么在代码中显式指定哈明距离参数后,计算结果和默认欧氏距离的结果没有任何差异?

内容的提问来源于stack exchange,提问作者Marcel

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.14 17:45:08