Метод K ближайших соседей
Метод K ближайших соседей (KNN), формализованный Кавером и Хартом в 1967 году, является непараметрическим, основанным на прецедентах методом, который классифицирует или предсказывает новое наблюдение, основываясь на k ближайших примерах в обучающих данных. Для классификации он использует голосование по большинству среди этих соседей; для регрессии он усредняет их значения.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/ru/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.
- Дерево решенийМашинное обучение↔ compare
- Логистическая регрессияСтатистика исследований↔ compare
- Наивный БайесМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →