Inhaltsverzeichnis:
Definition - Was bedeutet K-Nearest Neighbor (K-NN)?
Ein k-next-neighbour-Algorithmus, oft mit k-nn abgekürzt, ist ein Ansatz zur Datenklassifizierung, mit dem geschätzt wird, wie wahrscheinlich es ist, dass ein Datenpunkt Mitglied der einen oder der anderen Gruppe ist, je nachdem, in welcher Gruppe sich die ihm am nächsten liegenden Datenpunkte befinden .
Der k-next-neighbour ist ein Beispiel für einen "Lazy Learner" -Algorithmus, dh, er erstellt erst dann ein Modell unter Verwendung des Trainingssatzes, wenn eine Abfrage des Datensatzes durchgeführt wird.
Techopedia erklärt K-Nearest Neighbor (K-NN)
Ein k-nächster Nachbar ist ein Datenklassifizierungsalgorithmus, der versucht, die Gruppe eines Datenpunkts zu bestimmen, indem er die Datenpunkte um ihn herum betrachtet.
Ein Algorithmus, der einen Punkt in einem Raster betrachtet und versucht zu bestimmen, ob sich ein Punkt in Gruppe A oder B befindet, untersucht die Zustände der Punkte, die sich in der Nähe befinden. Der Bereich wird willkürlich festgelegt, es geht jedoch darum, eine Stichprobe der Daten zu entnehmen. Wenn die Mehrheit der Punkte in Gruppe A liegt, ist der betreffende Datenpunkt wahrscheinlich eher A als B und umgekehrt.
Der k-next-neighbour ist ein Beispiel für einen "Lazy Learner" -Algorithmus, da er zuvor kein Modell des Datensatzes generiert. Es werden nur Berechnungen durchgeführt, wenn die Nachbarn des Datenpunkts abgefragt werden sollen. Dadurch ist k-nn für das Data Mining sehr einfach zu implementieren.
