בסטטיסטיקה, אלגוריתם ה-k-nearest neighbours הוא שיטת סיווג לא פרמטרית שפותחה לראשונה על ידי אוולין פיקס וג'וזף הודג'ס ב-1951, ולאחר מכן הורחבה על ידי תומס קאבר. הוא משמש לסיווג ורגרסיה. בשני המקרים, הקלט מורכב מ-k דוגמאות האימון הקרובות ביותר במערך נתונים.
איך עובד השכן הקרוב של K?
KNN פועל על ידי מציאת המרחקים בין שאילתה לכל הדוגמאות בנתונים, בחירת מספר הדוגמאות שצוינו (K) הקרובות ביותר לשאילתה, ולאחר מכן הצבעה עבור הכי הרבה תווית תכופה (במקרה של סיווג) או ממוצע של התוויות (במקרה של רגרסיה).
למה הכוונה באלגוריתם K Nearest Neighbor?
K Nearest Neighbor הוא אלגוריתם פשוט המאחסן את כל המקרים הזמינים ומסווג את הנתונים או המקרה החדשים על סמך מדד דמיון. הוא משמש בעיקר לסיווג נקודת נתונים על סמך האופן שבו השכנים שלה מסווגים.
מה זה K Nearest Neighbor למידת מכונה?
K-Nearest Neighbor הוא אחד מאלגוריתמים הפשוטים ביותר של למידה חישובית המבוססים על טכניקת למידה מפוקחת אלגוריתם K-NN מניח את הדמיון בין המקרה/הנתונים החדשים למקרים זמינים. המקרה החדש לקטגוריה הדומה ביותר לקטגוריות הזמינות.
מה היתרון של ה-K הקרוב ביותר לשכן?
הוא מאחסן את מערך ההדרכה ולומד ממנו רק בזמן ביצוע תחזיות בזמן אמת. זה הופך את אלגוריתם KNN למהיר הרבה יותר מאלגוריתמים אחרים שדורשים אימון, למשל. SVM, רגרסיה לינארית וכו'.
