K-Ndị agbataobi kacha nso
Ndị agbata obi K-Nearest (KNN) na-ekewa ebe data ọhụrụ site na ilele ihe atụ K kacha nso na iwere ọtụtụ votu.
Nchịkọta
It matters as one of the simplest, most intuitive algorithms in machine learning, requiring almost no training.
Ime miri emi
KNN bụ 'onye mmụta umengwụ': ọ naghị eme ezigbo ọzụzụ kama na-echekwa naanị dataset. Iji wepụta isi ihe ọhụrụ, ọ na-atụ ebe dị anya, na-abụkarị Euclidean, na ihe atụ ọ bụla echekwara, chọta ndị agbata obi K kacha nso, wee kenye klaasị kachasị n'etiti ha. Maka nlọghachi azụ, ọ na-agbakọ ụkpụrụ ndị agbata obi kama. Nhọrọ nke K ihe: obere K na-enwe mmetụta maka mkpọtụ ma nwee ike ịfefefe, ebe nnukwu K na-eme mkpebi mana ọ nwere ike ime ka oke oke. N'ihi na atụmatụ niile na-enye aka n'ebe dị anya, KNN na-achọ atụmatụ nhazi nke ukwuu ka nnukwu mgbanwe mgbanwe ghara ịchịkwa. Isi adịghị ike ya bụ ọsọ amụma, ebe ọ bụ na ajụjụ ọ bụla na-atụnyere n'usoro data niile.
Nghọta nka nka
KNN abụghị parametric na ihe atụ dabere: ọ naghị eche echiche banyere ọdịdị nke data ahụ ma chekwaa ihe atụ kama ịmụta ịdị arọ. Metiriks anya, Euclidean, Manhattan, ma ọ bụ cosine, kọwapụtara 'ịdị nso' na oke mkpebi ọ mebere nwere ike bụrụ ihe na-adịghị mma. N'ihi na ọ na-atụnyere ajụjụ ọ bụla na isi ihe niile, nyocha enweghị uche na-adị nwayọ, yabụ ụlọ akwụkwọ ọbá akwụkwọ na-eji osisi KD, osisi bọọlụ, ma ọ bụ ihe ndeksi ndị agbata obi kacha nso na-achọ ngwa ngwa n'akụkụ dị ala.
Mmetụta atụmatụ
Mkpebi doro anya
Ọ na-enyere gị aka ikewapụta nkwupụta ọrụ aka doro anya na asụsụ ahịa.
Ọnụ ego na mmefu ego
Ị nwere ike ịjụ ajụjụ mmejuputa iwu ka mma tupu itinye ego ma ọ bụ oge.
Team na usoro ọrụ
Ndị otu nwere nghọta na-eme ka ngwaahịa, amụma na mkpebi mmụta ka mma.
Ọdịnihu nke ndị agbataobi K- kacha nso
Echiche bụ isi nke KNN, chọta ihe atụ ndị yiri nke ahụ, na-enye ike nchọta vector ọgbara ọhụrụ yana ọgbọ eweghachite-augmented, ebe sistemu na-ebute vectors kacha nso n'ala nnukwu ụdị asụsụ. Ọbá akwụkwọ agbataobi dị nso dị ka FAISS na HNSW na-eme ka ọchụchọ myirịta ijeri ijeri bara uru. Ọ bụ ezie na ọ na-adịkarịghị nkewa ikpeazụ na nnukwu pipeline, ụkpụrụ agbataobi kacha nso dị mkpa karịa mgbe ọ bụla dị ka ọkpụkpụ azụ nke nyocha na ntinye akwụkwọ.
Mmejuputa n'ezie n'ụwa
Sistemụ nkwanye: na-atụ aro fim ma ọ bụ ngwaahịa yiri nke onye ọrụ masịrị ya.
Nchọpụta mkpụrụọnụọgụgụ ejiri aka ọdịde: na-ekewa ọnụọgụgụ site n'ịtụle ya na onyonyo akpọrọ aha kacha yie.
Nkwado nyocha ahụike: ịkọ amụma ọnọdụ dabere na ndị ọrịa nwere nsonaazụ ule yiri nke ahụ.
Ọchịchọ ọmụmụ ihe: iweghachite ntinye ederede kacha nso iji zaa ajụjụ na nchekwa data vector.
Ihe ize ndụ & okporo ụzọ nche
Otu dị iche iche nwere ike iji otu okwu ahụ mee ihe n'ụzọ dị iche, yabụ kọwapụta oge n'oge.
Ihe nrịbama nwere ike ịdị ike ebe arụmọrụ ụwa na-adaghị adaba.
Ileghara ogo data na atụmatụ nyocha anya na-emepụtakarị nsonaazụ na-adịghị mma.
Map mmejuputa
Malite na nkọwa asụsụ dị larịị nke nsonaazụ ịchọrọ.
Họrọ otu metrik ịga nke ọma na otu ọnọdụ ọdịda tupu nnwale.
Gbaa obere onye na-anya ụgbọ elu nwere data nnọchite anya, ọ bụghị ihe ngosi ngosi na-egbu maramara.
Detuo ebe ndị agbataobi K-Nea kacha nso na-enyere aka yana ebe ụzọ dị mfe ka mma.
Nọgide na-eme nchọpụta
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the K-Nearest Neighbors quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Ntuziaka na-esote
Ndị klas nke Naive Bayes
Ajụjụ a na-ajụkarị
What is K-Nearest Neighbors?
Ndị agbata obi K-Nearest (KNN) na-ekewa ebe data ọhụrụ site na ilele ihe atụ K kacha nso na iwere ọtụtụ votu. Ọ dị mkpa dịka otu n'ime algọridim kachasị mfe, nke nwere ọgụgụ isi na mmụta igwe, na-achọghị ọzụzụ ọ bụla.
Kedu ka KNN si ekewa ebe data ọhụrụ?
KNN na-achọta ihe atụ K kacha nso echekwara wee kenye klaasị kachasị n'etiti ha (maka nlọghachi azụ, ọ na-atụle ụkpụrụ ha).
Kedu ihe kpatara eji akpọ KNN 'onye mmụta umengwụ'?
KNN na-eyigharị ọrụ niile na oge amụma; ọ na-eburu naanị dataset n'isi kama ịmepụta ihe nlereanya n'oge ọzụzụ.
Kedu ihe kpatara ntule atụmatụ dị mkpa maka KNN?
N'ihi na KNN na-adabere n'ebe dị anya, nnukwu akụkụ na-enweghị atụ nwere ike imeri ndị ọzọ, ya mere a na-ahazikarị njirimara.
Kedu ihe ga - eme ma ọ bụrụ na ịhọrọ obere K, dị ka K=1?
Obere K na-ahapụ otu onye agbata obi na-eme mkpọtụ ma ọ bụ aha na-eduhie eduhie kpebie nsonaazụ ya, na-eduga n'oke mkpọnwụ, nke dabara adaba.
Gịnị bụ isi ihe ndọghachi azụ nke KNN?
Ebe ọ bụ na ajụjụ ọ bụla ga-enwerịrị ihe dị anya na ihe atụ ọ bụla, amụma nwere ike ịdị nwayọ na nnukwu datasets, na-akpalite osisi ma ọ bụ ososo-nchọta.