Machine learning

Κ-Κοντινότεροι Γείτονες

Ο αλγόριθμος Κ-Κοντινότερων Γειτόνων (K-Nearest Neighbors, KNN), που τυποποιήθηκε από τους Cover και Hart το 1967, είναι μια μη-παραμετρική, βασισμένη σε στιγμιότυπα μέθοδος που ταξινομεί ή προβλέπει μια νέα παρατήρηση εξετάζοντας τα k πλησιέστερα παραδείγματα στα δεδομένα εκπαίδευσης. Για την ταξινόμηση, λαμβάνει μια πλειοψηφική ψήφο μεταξύ αυτών των γειτόνων· για την παλινδρόμηση, υπολογίζει τον μέσο όρο των τιμών τους.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateK-Nearest Neighbors (K-Nearest Neighbors (KNN) Classification and Regression). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/knn · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026