K-tuvākie kaimiņi
K-tuvākie kaimiņi (KNN), ko 1967. gadā formalizēja Kovērs un Harts, ir neparametriska, uz instancēm balstīta metode, kas klasificē vai prognozē jaunu novērojumu, aplūkojot k tuvākos piemērus apmācības datos. Klasifikācijai tā izmanto balsu vairākumu starp šiem kaimiņiem; regresijai tā vidējo vērtību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Naive BayesMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Atbalsta vektoru mašīna (klasifikācija)Mašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →