Machine learning
K-Nearest Neighbors (KNN) Classification and Regression
แนวคิดนั้นง่าย: อินพุตที่คล้ายกันมักจะให้เอาต์พุตที่คล้ายกัน ในการติดป้ายจุดใหม่ KNN จะค้นหาตัวอย่างการฝึกอบรมจำนวนเล็กน้อยที่อยู่ใกล้ที่สุดในปริมาณลักษณะเฉพาะ (feature space) และให้ตัวอย่างเหล่านั้นตัดสินใจ จะไม่มีการปรับสมการใด ๆ ล่วงหน้า — ข้อมูลการฝึกอบรมนั้นเองคือโมเดล และการทำนายจะเกิดขึ้นเมื่อมีจุดใหม่เข้ามาเท่านั้น
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). K-Nearest Neighbors (KNN) Classification and Regression. ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- Support Vector Machineการเรียนรู้ของเครื่อง↔ compare