在这项研究中,一种新的机器学习算法,提出了多级分类。该方法设计了基于最小距离分类器(MDC)算法。MDC是variance-insensitive因为它分类输入向量通过计算他们的距离/相似性对class-centroids(类)的输入向量的平均值。众所周知,现实世界的数据包含一定比例的噪音。这种情况下争取民主变革运动的性能产生不利影响。为了克服这个问题,我们开发了一个variance-sensitive模型,我们称之为标准化变量的距离(计算),考虑到标准差和z分数(标准化变量)的因素。

你可以从下面的链接访问葡萄酒和WBCD数据集:
https://github.com/abdullahelen/MachineLearning/tree/main/SVD

主要论文:
艾伦,一个。& Avuclu大肠(2021)。标准化变量的距离:一个基于距离的机器学习方法。应用软计算,98 (2021):106855。doi:https://doi.org/10.1016/j.asoc.2020.106855