Innehållsförteckning:
Definition - Vad betyder K-närmaste granne (K-NN)?
En k-närmaste grannalgoritm, ofta förkortad k-nn, är en metod för dataklassificering som uppskattar hur troligt en datapunkt är att vara medlem i en grupp eller den andra beroende på vilken grupp datapunkterna som är närmast den är i .
K-närmaste granne är ett exempel på en "lat elev" -algoritm, vilket innebär att den inte bygger en modell med träningsuppsättningen förrän en fråga i datauppsättningen utförs.
Techopedia förklarar K-närmaste granne (K-NN)
En k-närmaste granne är en dataklassificeringsalgoritm som försöker bestämma vilken grupp en datapunkt är i genom att titta på datapunkterna runt den.
En algoritm som tittar på en punkt på ett rutnät och försöker avgöra om en punkt är i grupp A eller B, tittar på tillstånden för punkterna som är nära den. Området bestäms godtyckligt, men poängen är att ta ett prov av data. Om majoriteten av punkterna är i grupp A, är det troligt att datapunkten i fråga kommer att vara A snarare än B, och vice versa.
K-närmaste granne är ett exempel på en "lat elev" -algoritm eftersom den inte genererar en modell för datauppsättningen i förväg. De enda beräkningar som görs är när det uppmanas att undersöka datapunktens grannar. Detta gör k-nn väldigt lätt att implementera för data mining.
