Inhoudsopgave:
- Definitie - Wat betekent K-dichtstbijzijnde buurman (K-NN)?
- Techopedia verklaart K-Dichtstbijzijnde Neighbor (K-NN)
Definitie - Wat betekent K-dichtstbijzijnde buurman (K-NN)?
Een k-dichtstbijzijnde-buur-algoritme, vaak afgekort als k-nn, is een benadering van gegevensclassificatie die schat hoe waarschijnlijk het is dat een gegevenspunt lid is van de ene of de andere groep, afhankelijk van in welke groep de gegevenspunten het dichtst bij zijn .
De k-naaste buur is een voorbeeld van een "luie leerling" -algoritme, wat betekent dat het geen model bouwt met behulp van de trainingsset totdat een query van de gegevensset is uitgevoerd.
Techopedia verklaart K-Dichtstbijzijnde Neighbor (K-NN)
Een k-naaste-buur is een gegevensclassificatie-algoritme dat probeert te bepalen in welke groep een gegevenspunt zich bevindt door naar de gegevenspunten eromheen te kijken.
Een algoritme kijkt naar een punt op een rooster en probeert te bepalen of een punt zich in groep A of B bevindt. Het bereik wordt willekeurig bepaald, maar het gaat erom een steekproef van de gegevens te nemen. Als het merendeel van de punten in groep A valt, is het waarschijnlijk dat het betreffende gegevenspunt A zal zijn in plaats van B, en vice versa.
De k-naaste-buur is een voorbeeld van een "lui leerling" -algoritme omdat het niet vooraf een model van de gegevensverzameling genereert. De enige berekeningen die het maakt, zijn wanneer wordt gevraagd om de buren van het gegevenspunt te pollen. Dit maakt k-nn zeer eenvoudig te implementeren voor datamining.
