U statistici, algoritam k-najbližih susjeda je neparametarska klasifikacijska metoda koju su prvi razvili Evelyn Fix i Joseph Hodges 1951. godine, a kasnije je proširio Thomas Cover. Koristi se za klasifikaciju i regresiju. U oba slučaja, ulaz se sastoji od k najbližih primjera treninga u skupu podataka.
Kako radi najbliži susjed K?
KNN radi tako što pronalaže udaljenosti između upita i svih primjera u podacima, odabire određeni broj primjera (K) najbližih upitu, a zatim glasa za najviše česta oznaka (u slučaju klasifikacije) ili prosjek oznaka (u slučaju regresije).
Što znači algoritam K najbližeg susjeda?
K Najbliži susjed je jednostavan algoritam koji pohranjuje sve dostupne slučajeve i klasificira nove podatke ili slučaj na temelju mjere sličnosti. Uglavnom se koristi za klasificiranje podatkovne točke na temelju toga kako su njezini susjedi klasificirani.
Što je strojno učenje K najbližeg susjeda?
K-Nearest Neighbor je jedan od najjednostavnijih algoritama strojnog učenja koji se temelji na tehnici nadziranog učenja K-NN algoritam pretpostavlja sličnost između novog slučaja/podataka i dostupnih slučajeva i stavlja novi slučaj u kategoriju koja je najsličnija dostupnim kategorijama.
Koja je prednost K najbližeg susjeda?
Pohranjuje skup podataka treninga i uči iz njega samo u vrijeme predviđanja u stvarnom vremenu. To čini KNN algoritam mnogo bržim od ostalih algoritama koji zahtijevaju obuku npr. SVM, linearna regresija itd.