거리 기반 최근접 이웃 분류 새로운 확률 모델

본 논문은 마코프 랜덤 필드(Markov Random Field) 접근법을 이용한 새로운 확률적 분류 알고리즘을 제안한다. 클래스 레이블의 결합 분포를 특징 벡터 간 거리로 명시적으로 모델링한다. 직관적으로, 한 데이터 포인트의 클래스 레이블은 특징 공간에서 가까운 이웃들의 레이블에 더 큰 영향을 받아야 한다는 가정이다. 우리의 접근법은 Holmes와 Adams(2002, 2003) 및 Cucala 등(2008)의 이전 연구를 기반으로 하며, 통계적 추론을 위한 확률적 기반을 제공한다는 점에서 이들 방법과 많은 장점을 공유한다. 이전 연구와 비교하여, 우리는 마코프 랜덤 필드 모델의 계산 불가능성을 극복하기 위한 보다 효율적인 계산 알고리즘을 제시한다. 우리 알고리즘의 결과는 전통적인 k‑nearest neighbour(k‑NN) 알고리즘과 비교했을 때 고무적이며, 성능 면에서 경쟁력을 보인다.