სტატისტიკაში k-უახლოესი მეზობლების ალგორითმი არის არაპარამეტრული კლასიფიკაციის მეთოდი, რომელიც პირველად შეიქმნა ეველინ ფიქსისა და ჯოზეფ ჰოჯის მიერ 1951 წელს, შემდეგ კი გაფართოვდა თომას ქოვერის მიერ. იგი გამოიყენება კლასიფიკაციისა და რეგრესიისთვის. ორივე შემთხვევაში, შეყვანა შედგება k უახლოესი სავარჯიშო მაგალითებისგან მონაცემთა ნაკრებიდან.
როგორ მუშაობს K უახლოესი მეზობელი?
KNN მუშაობს იმით, რომ იპოვის მანძილებს მოთხოვნასა და ყველა მაგალითს შორისმონაცემებში, ირჩევს მითითებულ რიცხვის მაგალითებს (K) მოთხოვნასთან ყველაზე ახლოს, შემდეგ აძლევს ხმას ყველაზე მეტს. ხშირი იარლიყი (კლასიფიკაციის შემთხვევაში) ან ეტიკეტების საშუალოდ (რეგრესიის შემთხვევაში).
რა იგულისხმება K უახლოესი მეზობლის ალგორითმში?
K უახლოესი მეზობელი არის მარტივი ალგორითმი, რომელიც ინახავს ყველა ხელმისაწვდომ შემთხვევას და კლასიფიცირებს ახალ მონაცემებს ან შემთხვევას მსგავსების საზომის მიხედვით. იგი ძირითადად გამოიყენება მონაცემთა წერტილის კლასიფიკაციისთვის, იმის მიხედვით, თუ როგორ არის კლასიფიცირებული მისი მეზობლები.
რა არის K Nearest Neighbor მანქანური სწავლება?
K-Nearest Neighbor არის ერთ-ერთი უმარტივესი მანქანათმცოდნეობის ალგორითმი, რომელიც დაფუძნებულია ზედამხედველობით სწავლის ტექნიკაზე K-NN ალგორითმი ვარაუდობს მსგავსებას ახალ შემთხვევას/მონაცემებსა და ხელმისაწვდომ შემთხვევებს შორის. ახალი შემთხვევა შევიდა კატეგორიაში, რომელიც ყველაზე მეტად ჰგავს არსებულ კატეგორიებს.
რა უპირატესობა აქვს K უახლოეს მეზობელს?
ის ინახავს სასწავლო მონაცემთა ნაკრების და სწავლობს მისგან მხოლოდ რეალურ დროში პროგნოზების გაკეთების დროს. ეს ხდის KNN ალგორითმს ბევრად უფრო სწრაფს, ვიდრე სხვა ალგორითმები, რომლებიც საჭიროებენ ტრენინგს მაგ. SVM, ხაზოვანი რეგრესია და სხვ.
