K-lähimmät naapurit
K-lähimmät naapurit (KNN), jonka Cover ja Hart formalisoivat vuonna 1967, on ei-parametrinen, tapauskohtainen menetelmä, joka luokittelee tai ennustaa uuden havainnon tarkastelemalla k lähintä esimerkkiä harjoitusdatassa. Luokittelussa se ottaa enemmistöäänen näiden naapureiden kesken; regressiossa se laskee niiden arvojen keskiarvon.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/fi/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.
- PäätöspuuKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Naive BayesKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Tukivektorikone (luokittelu)Koneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →