K-Nærmeste Naboer
K-Nærmeste Naboer (KNN), formaliseret af Cover og Hart i 1967, er en ikke-parametrisk, instansbaseret metode, der klassificerer eller forudsiger en ny observation ved at se på de k nærmeste eksempler i træningsdataene. Til klassifikation tager den et flertal blandt disse naboer; til regression gennemsnitter den deres værdier.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Cover, T.M. & Hart, P.E. (1967). Nearest Neighbor Pattern Classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/da/machine-learning/knn
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BeslutningstræMaskinlæring↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Naive BayesMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →