KNN算法和ENN算法的区别

KNN算法和CNN算法的区别在于CNN算法是对KNN算法的一种改进，主要是为了减少KNN算法的存储需求。CNN算法通过选择原始训练集的子集来表示数据中的所有类别，这个子集被用作KNN规则的新的、压缩过的训练集。CNN算法从一个空集开始，从原始训练集中逐个添加样本到这个集合中，只有当当前KNN规则使用已经在压缩集合中的样本对其进行分类时出现错误时，才会添加每个样本。这个过程一直持续到没有更多的样本可以添加而不会导致分类错误。得到的压缩集比原始训练集小得多，但在与KNN规则一起使用时仍然提供良好的分类准确性。

相关问题

KNN和ENN的区别

KNN（k-最近邻）分类器与ENN（压缩最近邻）分类器有以下区别：
1. KNN分类器：
KNN分类器只考虑距离测试样本最近的K个训练集样本，然后对这K个样本的类别进行投票，以确定测试样本的预测类别。

2. ENN分类器：
ENN算法是最近邻（NN）算法的一种改进，它减少了NN算法的存储需求。ENN算法通过选择原始训练集的子集来表示数据中的所有类别。这个子集被用作NN规则的新的、压缩过的训练集。ENN算法从一个空集开始，从原始训练集中逐个添加样本到这个集合中。只有当当前NN规则使用已经在压缩集合中的样本对其进行分类时出现错误时，才会添加每个样本。这个过程一直持续到没有更多的样本可以添加而不会导致分类错误。