35 lines
2.1 KiB
Markdown
35 lines
2.1 KiB
Markdown
|
||
#алгоритмы
|
||
|
||
> Если вы пытаетесь выполнить классификацию чего-либо, сначала попробуйте применить алгоритм k ближайших соседей
|
||
|
||
![[Pasted image 20250123090038.png]]
|
||
Среди соседей больше апельсинов, чем грейпфрутов. Следовательно, этот
|
||
фрукт, скорее всего, является апельсином.
|
||
|
||
![[Pasted image 20250123090113.png]]
|
||
|
||
Например, расстояние между A и B вычисляется так: $\sqrt{((x_1-x_2)^2 + (y_1-y_2)^2)}$
|
||
|
||
![[Pasted image 20250123090408.png]]
|
||
|
||
Вместо вычисления расстояния в двух измерениях можно вычислить расстояние в пяти измерениях. Формула расстояния остается неизменной.
|
||
![[Pasted image 20250123090549.png]]
|
||
|
||
Метрика расстояния с пятью числами сообщает, насколько близки между собой эти наборы.
|
||
|
||
У алгоритма k-ближайших соседей есть два основных применения
|
||
- классификация - распределение по категориям;
|
||
- регреcсия - прогнозирование ответа (в числовом выражении).
|
||
|
||
«Извлечением признаков» называется преобразование элемента (например, фрукта или пользователя) в список чисел, которые могут использоваться для сравнения.
|
||
Качественный выбор признаков — важная часть успешного алгоритма k ближайших соседей.
|
||
|
||
![[Pasted image 20250123091457.png]]
|
||
|
||
Применение
|
||
- Машинное обучение (рекомендации, распознавание текста, прогнозирование)
|
||
|
||
|
||
Источники:
|
||
- [[Адитья Бхаргава - Грокаем Алгоритмы]] |