本文提出了一种新的多类分类机器学习算法。该方法是基于最小距离分类器(MDC)算法设计的。MDC是方差不敏感的，因为它通过计算输入向量与类中心的距离/相似性(类的输入向量的平均值)对输入向量进行分类。众所周知，真实世界的数据包含一定比例的噪声。这种情况会对MDC的性能产生负面影响。为了克服这个问题，我们开发了一个方差敏感模型，我们称之为标准化可变距离(标准化变量)，考虑了标准差和z-score(标准化变量)因素。
你可以通过下面的链接访问Wine和WBCD数据集:
https://github.com/abdullahelen/MachineLearning/tree/main/SVD
主要论文:
(2015)。标准化可变距离:一种基于距离的机器学习方法。应用软件学报，29(2):457 - 461。doi:https://doi.org/10.1016/j.asoc.2020.106855
引用作为
阿卜杜拉•艾伦(2021)。标准化可变距离(SVD)GitHub (https://github.com/abdullahelen/MachineLearning/releases/tag/v1.0)。检索．
艾伦，阿卜杜拉和埃姆雷Avuçlu。标准化可变距离:一种基于距离的机器学习方法应用软计算，vol. 98, Elsevier BV, 2021年1月，p. 106855, doi:10.1016/j.a asoc.2020.106855。
圣言会
要查看或报告这个GitHub插件中的问题，请访问GitHub库．
要查看或报告这个GitHub插件中的问题，请访问GitHub库．
