Უახლოეს მეზობელთან მეთოდი: მაგალითად მუშაობა

უახლოეს მეზობელთან მეთოდი არის მარტივი მეტრულ კლასიფიკატორი, რომელიც შეფასების საფუძველზე მსგავსება სხვადასხვა ობიექტები.

გაანალიზებული ობიექტის მიეკუთვნება, რომელსაც ისინი მიეკუთვნება საგნების სწავლების ნიმუში. მოდით გავარკვიოთ რაც უახლოეს მეზობელთან. ცდილობენ მესმის რთული საკითხია, მაგალითები სხვადასხვა ტექნიკა.

ჰიპოთეზა მეთოდი

უახლოეს მეზობელთან მეთოდი შეიძლება ჩაითვალოს ყველაზე გავრცელებული ალგორითმი გამოიყენება კლასიფიკაციით. ობიექტის გადიოდა კლასიფიკაციით მიეკუთვნება y_i, რომელიც უახლოესი ობიექტი სწავლის x_i ნიმუში.

სპეციფიკა მეთოდები უახლოეს მეზობლებთან

k უახლოესი მეზობელი მეთოდი შეიძლება გააუმჯობესოს სიზუსტე კლასიფიკაციით. გაანალიზებული ობიექტი ეკუთვნის იგივე კლასის, როგორც ნაყარი მეზობლებთან, რომ არის, k ახლოს აპროტესტებს გაანალიზებული ნიმუში x_i. პრობლემის გადაჭრის ორი კლასების რაოდენობის მეზობლები იქნება უცნაური, რათა თავიდან ავიცილოთ სიტუაცია გაურკვევლობა, თუ იგივე რაოდენობის მეზობლები ეკუთვნის სხვადასხვა კლასი.

ტექნიკა შეჩერებულია მეზობლები

PostgreSQL გაანალიზებული მეთოდი tsvector უახლოეს მეზობლებთან გამოიყენება, როდესაც გაკვეთილების რაოდენობის მინიმუმ სამი, და თქვენ ვერ შეძლებთ გამოიყენოთ კენტი. მაგრამ გაურკვევლობა ჩნდება კი ამ შემთხვევაში. ამის შემდეგ, i-th მეზობელი იღებს w_i წონა, რომელიც ამცირებს მეზობლის წოდება i. ეს ეხება კლასის ობიექტი, რომელიც ექნება მაქსიმალური საერთო წონა ახლო მეზობლები.

ჰიპოთეზა კომპაქტურობა

გულში ყველა ზემოთ მეთოდები არის ჰიპოთეზა კომპაქტურობა. იგი ვარაუდობს, კავშირი ღონისძიების მსგავსება ობიექტების და მათი კუთვნილი იმავე კლასში. ამ სიტუაციაში, საზღვრის შორის სხვადასხვა სახის არის მარტივი ფორმა და შექმნას კლასების ობიექტების სივრცეში კომპაქტური მასალა ტერიტორიაზე. ასეთ ტერიტორიებზე მათემატიკური ანალიზი გადაიყვანეს ნიშნავს დახურული სასრული ნაკრები. ეს ჰიპოთეზა არ უკავშირდება ყოველდღიური აღქმა სიტყვა.

ძირითადი ფორმულა

მოდი, ვნახოთ, უფრო უახლოეს მეზობელთან. თუ შემოთავაზებული სასწავლო ნიმუში ტიპის "ობიექტი-პასუხი» X ^ m = \ {(x_1, y_1), \ dots, (x_m, y_m) \} თუ გავურბივარ ობიექტების განსაზღვრა მანძილი ფუნქცია \ rho (x, x '), რომელიც წარმოდგენილია სახით ადეკვატური მოდელი მსგავსება ობიექტების გაზრდის ღირებულება ფუნქცია ამცირებს მსგავსება შორის ობიექტების x, x'.

ნებისმიერი ობიექტი, u ავაშენებთ სასწავლო ნიმუში აპროტესტებს x_i გაზრდის დისტანციებზე u:

\ Rho (u, x_ {1; u}) \ Leq \ rho (u, x_ {2; u}) \ Leq \ cdots \ Leq \ rho (u, x_ {მ; u})

სადაც x_ {i; u} ახასიათებს ობიექტი სწავლისა ნიმუში, რომელიც არის i-th მეზობელი წყარო ობიექტზე u. ასეთი notation და გამოყენების გამოეხმაუროთ i-th მეზობელი: y_ {i; u}. შედეგად, ჩვენ ვხედავთ, რომ ნებისმიერი ობიექტი u იწვევს Renumbering საკუთარი ნიმუში.

განსაზღვრა ნომერი k მეზობლები

უახლოეს მეზობელთან მეთოდი, როდესაც k = 1, რომელსაც შეუძლია მიცემის მცდარი კლასიფიკაციით, არა მხოლოდ ობიექტების ემისიის, არამედ სხვა კლასები, რომლებიც ახლოს.

თუ ავიღებთ k = m, ალგორითმი იქნება, როგორც სტაბილური და გადაიზარდოს მუდმივი მნიშვნელობა. სწორედ ამიტომ, საიმედოობის მნიშვნელოვანია, რათა თავიდან ავიცილოთ ექსტრემალური ინდექსები k.

პრაქტიკაში, როგორც ოპტიმალური ინდექსი k გამოიყენება კრიტერიუმი მოცურების კონტროლი.

ჩვენება გამოყოფა

ობიექტების კვლევის დიდწილად უთანასწორო, მაგრამ მათ შორის არიან ისეთებიც, რომლებიც აქვს მახასიათებლები კლასი და მოხსენიებულია, როგორც სტანდარტებს. ამავე სიახლოვე საგანი იდეალური მოდელი მისი მაღალი ალბათობა, რომლებიც ამ კლასში.

როგორ rezultativen მეთოდი უახლოეს მეზობლებთან? მაგალითად ჩანს საფუძველზე პერიფერიული და არასამთავრობო ინფორმაციული კატეგორიები ობიექტები. ეს არის ვარაუდი, მკვრივი გარემოს ობიექტის სხვა წარმომადგენლები ამ კლასში. როდესაც თქვენ ამოიღონ მათ კლასიფიკაციას შერჩევის ხარისხის არ განიცდიან.

შეღწევას გარკვეული რაოდენობის ნიმუშები შეიძლება ხმაური bursts, რომლებიც "ადგილზე" კლასი. მოხსნის არსებითად დადებითი გავლენა ხარისხის კლასიფიკაციით.

თუ ნიმუში აღებული uninformative და აღმოფხვრას ხმაური ობიექტი, შეგიძლიათ იმედი რამდენიმე დადებითი შედეგი, ამავე დროს.

პირველი interpolation მეთოდი უახლოეს მეზობელთან საშუალებას აძლევს კლასიფიკაციით ხარისხის გაუმჯობესებას, შეამციროს ოდენობით ინახება მონაცემები, შეამციროს დრო კლასიფიკაცია, რომელიც იხარჯება არჩევანი შემდეგი სტანდარტებს.

გამოყენება ულტრა დიდი ნიმუშები

უახლოეს მეზობელთან მეთოდი ეფუძნება რეალურ შენახვის სასწავლო ობიექტები. შექმნა ძალიან ფართომასშტაბიანი ნიმუშები გამოყენებით ტექნიკური პრობლემა. მიზანი არ არის მხოლოდ გადარჩენის მნიშვნელოვანი თანხა ინფორმაციას, არამედ მინიმალური დროის გაქვთ დრო, რომ ნებისმიერი ობიექტი u k შორის უახლოესი მეზობლები.

იმისათვის, რომ გაუმკლავდეს ამ ამოცანის, ორი მეთოდები გამოიყენება:

• გამეჩხერებულ ნიმუში მეშვეობით გამონადენი არასამთავრობო მონაცემთა ობიექტები;
• ეფექტური გამოყენების განსაკუთრებული მონაცემების სტრუქტურას და კოდები მყისიერი ძიებაში უახლოეს მეზობლებთან.

წესები შერჩევის

აღნიშნული კლასიფიკაცია განიხილება. უახლოესი მეზობელი მეთოდი გამოიყენება გადაჭრის პრაქტიკული პრობლემები, რომელიც ცნობილია წინასწარ მანძილი ფუნქცია \ rho (x, x '). აღწერს ობიექტების რიცხვითი ვექტორები გამოიყენოთ ევკლიდეს მეტრულ. ეს არჩევანი არ აქვს სპეციალური გამართლება, მაგრამ მოიცავს გაზომვა ყველა ნიშნები "იმავე მასშტაბით." თუ ეს ფაქტორი არ გაითვალისწინა, მაშინ მეტრულ რომელიც დომინირებს ფუნქცია, რომელსაც უმაღლესი რიცხვითი ღირებულებებს.

თუ არ არის მნიშვნელოვანი თანხა თვისებები, საანგარიშო მანძილი თანხა გადახრები კონკრეტული სიმპტომები გამოჩნდება სერიოზული პრობლემაა განზომილება.

მაღალი განზომილებიანი სივრცე შორეული ერთმანეთზე ყველა ობიექტი. საბოლოო ჯამში, ნებისმიერი ნიმუში იქნება შემდეგი ობიექტის შესწავლა მიმდინარეობს k მეზობლები. შერჩეული მცირე რაოდენობის ინფორმაციული თვისებების ამ პრობლემის აღმოსაფხვრელად. ალგორითმები გაანგარიშების შეფასებით აშენება საფუძველზე სხვადასხვა კომპლექტი ნიშნები, და თითოეული ადამიანის აშენება მათი სიახლოვე ფუნქცია.

დასკვნა

მათემატიკური გათვლებით ხშირად ჩართვა გამოყენების სხვადასხვა ტექნიკას, რომ აქვს საკუთარი გამორჩეული თვისებები, დადებითი და უარყოფითი მხარეები. ნანახია უახლოესი მეზობელი მეთოდი შეიძლება გადაჭრას სერიოზული პრობლემა, იმის გამო, რომ მახასიათებლები მათემატიკური ობიექტები. ექსპერიმენტული კონცეფცია, რომელიც ეფუძნება გაანალიზებული მეთოდი აქტიურად მიმდინარეობს გამოიყენება ხელოვნური ინტელექტი.

საექსპერტო სისტემები აუცილებელია არა მხოლოდ დაალაგეთ ობიექტები, არამედ დავანახოთ შესახებ ახსნა კლასიფიკაციის საკითხს. ამ მეთოდით, ახსნა ამ მოვლენას გამოხატულია იმ ობიექტი კონკრეტული კლასის ისევე როგორც მისი განთავსების შედარებით ნიმუში გამოიყენება. იურიდიული მრეწველობის სპეციალისტები, გეოლოგები, ექიმები, მიიღოს ამ "პრეცედენტი" ლოგიკა აქტიურად გამოიყენოს იგი თავისი კვლევა.

იმისათვის, რომ იყოს გაანალიზებული მეთოდი ყველაზე საიმედო, ეფექტური, რაც სასურველი შედეგი, თქვენ უნდა მიიღოს მინიმუმ ფიგურა k, ხოლო თავიდან გამოყოფა შორის გაანალიზებულია ობიექტები. სწორედ ამიტომ, გამოყენების სტანდარტების და შერჩევის მეთოდი, ისევე როგორც ოპტიმიზაციის metrics.