K-Nearest Neighbors
K-Nearest Neighbors (KNN), geformaliseerd door Cover en Hart in 1967, is een niet-parametrische, instantie-gebaseerde methode die een nieuwe observatie classificeert of voorspelt door te kijken naar de k dichtstbijzijnde voorbeelden in de trainingsdata. Voor classificatie neemt het een meerderheidsstem onder die buren; voor regressie middelt het hun waarden.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/nl/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.
- BeslisboomMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Naïeve BayesMachine learning↔ compare
- Random ForestMachine learning↔ compare
- Support Vector Machine (Classificatie)Machine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →