Я делаю kNN классификация по некоторым данным. У меня есть данные, которые я произвольно разбил для тренировочных и тестовых наборов в соотношении 80/20. Мои данные выглядит следующим образом:
Коэффициент точности для классификации kNN упал после нормализации нормализации?
[ [1.0, 1.52101, 13.64, 4.49, 1.1, 71.78, 0.06, 8.75, 0.0, 0.0, 1.0],
[2.0, 1.51761, 13.89, 3.6, 1.36, 72.73, 0.48, 7.83, 0.0, 0.0, 2.0],
[3.0, 1.51618, 13.53, 3.55, 1.54, 72.99, 0.39, 7.78, 0.0, 0.0, 3.0],
...
]
Элементы в последнем столбце матрицы классы: 1,0, 2,0 и 3,0
После функции нормализации выглядит мои данные, как это:
[[-0.5036443480260487, -0.03450760227559746, 0.06723230162846759, 0.23028986544844693, -0.025324623254270005, 0.010553065215338569, 0.0015136367098358505, -0.11291235596166802, -0.05819669234942126, -0.12069793876044387, 1.0],
[-0.4989050339943617, -0.11566537753097901, 0.010637426608816412, 0.2175704556290625, 0.03073267976659575, 0.05764598316498372, -0.012976783512350588, -0.11815839520204152, -0.05819669234942126, -0.12069793876044387, 2.0],
...
]
Формула, которую я использовал для нормализации:
(X - avg(X))/(max(X) - min(X))
я выполнить Knn классификации раз для каждого из K = от 1 до 25 (нечетные только цифры). Я записываю среднюю точность для каждого из K. Вот мои результаты:
Average accuracy for K=1 after 100 tests with different data split: 98.91313003886198 %
Average accuracy for K=3 after 100 tests with different data split: 98.11976006170633 %
Average accuracy for K=5 after 100 tests with different data split: 97.71226079929019 %
Average accuracy for K=7 after 100 tests with different data split: 97.47493145754373 %
Average accuracy for K=9 after 100 tests with different data split: 97.16596220947888 %
Average accuracy for K=11 after 100 tests with different data split: 96.81465365733266 %
Average accuracy for K=13 after 100 tests with different data split: 95.78772655522567 %
Average accuracy for K=15 after 100 tests with different data split: 95.23116406332706 %
Average accuracy for K=17 after 100 tests with different data split: 94.52371789094929 %
Average accuracy for K=19 after 100 tests with different data split: 93.85285871435981 %
Average accuracy for K=21 after 100 tests with different data split: 93.26620809747965 %
Average accuracy for K=23 after 100 tests with different data split: 92.58047022661833 %
Average accuracy for K=25 after 100 tests with different data split: 90.55746523509124 %
Но когда я применяю функцию нормализации степень точности значительно снижается. Мои результаты Knn с нормированными функциями:
Average accuracy for K=1 after 100 tests with different data split: 88.56128075154439 %
Average accuracy for K=3 after 100 tests with different data split: 85.01466511662318 %
Average accuracy for K=5 after 100 tests with different data split: 83.32096281613967 %
Average accuracy for K=7 after 100 tests with different data split: 83.09434478900455 %
Average accuracy for K=9 after 100 tests with different data split: 82.05628926919964 %
Average accuracy for K=11 after 100 tests with different data split: 79.89732262550343 %
Average accuracy for K=13 after 100 tests with different data split: 79.60617886853211 %
Average accuracy for K=15 after 100 tests with different data split: 79.26511126374507 %
Average accuracy for K=17 after 100 tests with different data split: 77.51457877706329 %
Average accuracy for K=19 after 100 tests with different data split: 76.97848441605367 %
Average accuracy for K=21 after 100 tests with different data split: 75.70005919265326 %
Average accuracy for K=23 after 100 tests with different data split: 76.45758217099551 %
Average accuracy for K=25 after 100 tests with different data split: 76.16619492431572 %
Мои алгоритмы в коде не имеет логических ошибок, и я проверил это на простых данных.
Почему степень точности Knn классификации уменьшается настолько после признака нормализации? Я предполагаю, что сама нормализация не должна ухудшать точность любой классификации. Какова цель использования нормализации функции?