Apa k tetangga terdekat?

2024 Pengarang: Fiona Howard | [email protected]. Terakhir diubah: 2024-01-10 06:39

Dalam statistik, algoritma k-nearest neighbor adalah metode klasifikasi non-parametrik yang pertama kali dikembangkan oleh Evelyn Fix dan Joseph Hodges pada tahun 1951, dan kemudian diperluas oleh Thomas Cover. Ini digunakan untuk klasifikasi dan regresi. Dalam kedua kasus, input terdiri dari k contoh pelatihan terdekat dalam kumpulan data.

Bagaimana cara kerja K tetangga terdekat?

KNN bekerja dengan menemukan jarak antara kueri dan semua contoh dalam data, memilih nomor tertentu contoh (K) yang paling dekat dengan kueri, lalu memilih yang paling label yang sering (dalam kasus klasifikasi) atau rata-rata label (dalam kasus regresi).

Apa yang dimaksud dengan algoritma K Nearest Neighbor?

K Nearest Neighbor adalah algoritma sederhana yang menyimpan semua kasus yang tersedia dan mengklasifikasikan data atau kasus baru berdasarkan ukuran kesamaan. Hal ini sebagian besar digunakan untuk mengklasifikasikan titik data berdasarkan bagaimana tetangganya diklasifikasikan.

Apa itu pembelajaran mesin K Nearest Neighbor?

K-Nearest Neighbor adalah salah satu algoritma Machine Learning yang paling sederhana berdasarkan teknik Supervised Learning Algoritma K-NN mengasumsikan kesamaan antara kasus/data baru dan kasus yang tersedia dan menempatkan kasus baru ke dalam kategori yang paling mirip dengan kategori yang tersedia.

Apa keuntungan dari K Tetangga terdekat?

Ini menyimpan set data pelatihan dan belajar darinya hanya pada saat membuat prediksi waktu nyata. Ini membuat algoritma KNN jauh lebih cepat daripada algoritma lain yang membutuhkan pelatihan, mis. SVM, Regresi Linier dll.