K-Nearest Neighbors
K-Nearest Neighbors (KNN), formalisiert von Cover und Hart im Jahr 1967, ist eine nicht-parametrische, instanzbasierte Methode, die eine neue Beobachtung klassifiziert oder vorhersagt, indem sie die k nächstgelegenen Beispiele in den Trainingsdaten betrachtet. Für die Klassifikation wird eine Mehrheitsentscheidung unter diesen Nachbarn getroffen; für die Regression wird der Durchschnitt ihrer Werte gebildet.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/de/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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Naive BayesMaschinelles Lernen↔ compare
- Random ForestMaschinelles Lernen↔ compare
- Support Vector Machine (Klassifikation)Maschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →