Legközelebbi szomszéd módszer: például a munka

A legközelebbi szomszéd módszer a legegyszerűbb mérőszám osztályozó amelynek alapja az értékelés a hasonlóság a különböző tárgyakat.

Elemzett tárgy osztályába tartozik, amelyhez tartoznak tárgyak képzési minta. Engedje meg, hogy melyik a legközelebbi szomszéd. Próbáld megérteni a bonyolult ügy, példák a különböző technikákat.

hipotézis módszer

legközelebbi szomszéd módszer tekinthető a leggyakoribb használt algoritmus besorolás. Object átesett besorolás osztályába tartozik y_i, amelyhez a legközelebb tárgy tanulás x_i mintában.

Sajátosságai módszerek legközelebbi szomszédok

k legközelebbi szomszéd módszer javíthatja az osztályozás pontosságát. Elemezte az objektum tartozik ugyanabba az osztályba, mint a nagy részét a szomszédai, hogy van, k közel kifogásolja a vizsgált minta x_i. A problémák megoldásához két osztályát a szomszédok száma lesz furcsa, hogy elkerüljük azt a helyzetet kétértelműség, ha azonos számú szomszédok különböző osztályaiba tartoznak.

A technika a szuszpendált szomszédok

Postgresql-elemezte eljárás tsvector legközelebbi szomszédok akkor alkalmazzák, amikor az osztályok száma legalább három, és nem tudja használni a páratlan szám. De félreérthetőséget még ezekben az esetekben. Ezután az i-edik szomszéd kap w_i súly, ami csökkenti a szomszéd rang i. Arra utal, hogy az osztály az objektum, amely a maximális összsúly között közeli szomszédok.

A hipotézis a tömörség

Középpontjában az összes fenti módszerek az a hipotézis, a tömörség. Ez azt sugallja, összefüggés az intézkedés a hasonlóság a tárgyak és az egyazon osztályba. Ebben a helyzetben, a határ a különböző típusú egyszerű forma, és hozzon létre osztályokat tárgyak térbeli kompakt mobil területen. Ilyen területek a matematikai analízis kifejezés egy zárt korlátos halmaz. Ezt a feltételezést nem kapcsolódik a mindennapi észlelés a szó.

Az alapvető képlet

Nézzük tovább a legközelebbi szomszéd. Ha a javasolt képzés minta típusát „objektum-válasz» X ^ m = \ {(x_1, y_1), \ pontok, (x_m, y_m) \}; ha több objektum távolság meghatározásához funkciót \ rho (x, x „), amely képviseli formájában megfelelő modell hasonlósága tárgyak növelésével a függvény értékét csökkenti közötti hasonlóság objektumok x, x”.

Bármilyen tárgy, u épít a képzési minta tárgyak x_i növekvő távolságok u:

\ Rho (u, x_ {1; u}) \ leq \ rho (u, x_ {2; u}) \ leq \ cdots \ leq \ rho (u, x_ {m; u}),

ahol x_ {i; u} jellemzi az objektumot tanulási minta, amely az i-edik szomszéd forrás objektumot u. Az ilyen jelölések és használatára, hogy válaszoljanak i-edik szomszéd: y_ {i; u}. Ennek eredményeként, azt találjuk, hogy minden tárgyat u provokál átszámozásával saját minta.

Számának meghatározása k szomszédok

legközelebbi szomszéd módszer, ha k = 1 alkalmas arra, hogy egy téves besorolás, nem csak tárgyakra-kibocsátást, hanem más osztályok számára, hogy közel vannak.

Ha vesszük k = m, akkor az algoritmus lesz olyan stabil, és fajulhat állandó érték. Ezért fontos a megbízhatóság, hogy elkerüljék az extrém indexek k.

A gyakorlatban, mint az optimális k indexet használt kritérium csúszásszabályozó.

vetítések kibocsátás

A tárgyak tanulmányi nagyrészt egyenlő, de közülük vannak, akik azokkal a jellemzőkkel, egy osztály, és a továbbiakban a szabványoknak. Abban közelsége alá az ideális modell annak nagy valószínűséggel ebbe a csoportba tartozó.

Hogyan rezultativen eljárás legközelebbi szomszédok? Egy példa látható alapján a perifériás és nem informatív kategóriájú tárgyakat. Feltételezhető, sűrű környezetben a tárgy más képviselői ebben az osztályban. Ha eltávolítja őket a besorolás mintavétel minőségét nem fog szenvedni.

Kap egy bizonyos számú mintát lehet zaj tör, amelyek „a földön” egy osztály. Eltávolítása lényegében pozitív hatással van a minőségi besorolás.

Ha a kivett mintát nem informatív, és megszünteti a zajt objektumokat, akkor számíthat néhány pozitív eredményeket ugyanabban az időben.

Az első interpolációs eljárás a legközelebbi szomszéd osztályozása lehetővé teszi, hogy javítsa a minőséget, csökkentik a tárolt adatokat, csökkentse az idő besorolás, amelynek költött a választás a következő szabványoknak.

A használata ultra-nagy minták

legközelebbi szomszéd módszer alapján a valódi tárolási tananyagelemek. A nagyon nagyméretű mintákból egy technikai probléma. A cél nem csak hogy mentse jelentős mennyiségű információt, hanem a minimális idő, hogy időben megtalálják bármilyen tárgy Ukdt között legközelebbi szomszédok.

Ahhoz, hogy megbirkózzon ezt a feladatot, két módszer használható:

• vékonyított minta keresztül kisülési nem adatobjektumok;
• hatékony felhasználása speciális adatszerkezet és kódok azonnali keresést a legközelebbi szomszédok.

Szabályzat kiválasztási módszerek

A fenti osztályozás ítélték. Legközelebbi szomszéd módszert alkalmazzák a gyakorlati problémák megoldásában, amelyet előzetesen ismert a távolság függvényében \ Rho (x, x „). A bemutató tárgyak numerikus rok euklideszi metrika. Ez a választás nincs különleges indok, de magában foglalja a mérés minden jeleit „az azonos méretű.” Ha ez a tényező nem veszik figyelembe, akkor a metrikus túlsúlyban jellemző, amelynek legnagyobb numerikus értéket.

Ha van egy jelentős mennyiségű funkciók, kiszámítjuk a távolságot összegeként az eltérések az egyes tünetek komoly problémát dimenzió.

A magas dimenziós térben távol egymástól lesz az összes tárgyakat. Végső soron, minden minta lesz a következő objektumot vizsgált k szomszédok. kiválasztott néhány informatív jellemzők, hogy megszüntesse ezt a problémát. Algoritmusok kiszámítására becslések építeni alapján különböző készletek jelek, és minden egyes építik közelsége funkciót.

következtetés

Matematikai számítások gyakran jár együtt a különböző technikákat, amelyek a saját megkülönböztető jellemzői, előnyei és hátrányai. Megtekintett legközelebbi szomszéd módszer képes megoldani elég komoly probléma, jellemzői miatt a matematikai objektumok. A kísérleti koncepció alapján a vizsgált módszert aktívan használják a mesterséges intelligencia.

A szakértői rendszerek szükség van nem csak osztályozni tárgyakat, de azt is mutatják, a felhasználó magyarázatot a szóban forgó besorolás. Ebben az eljárásban egy jelenség magyarázata az fejezzük kapcsolatban a tárgy egy bizonyos osztálya, valamint a helyét képest a felhasznált minta. Jogi ipar szakemberei, geológusok, orvosok, hogy ezt a „precedens” logikai aktívan használja azt a kutatást.

Annak érdekében, hogy elemezni kell a módszer volt a leginkább megbízható, hatékony, így a kívánt eredményt, akkor meg kell tennie a minimális szám k, ugyanakkor elkerüljék kibocsátás között a vizsgált objektumok. Éppen ezért a szabványok használatát és a kiválasztási eljárás, valamint az optimalizálás mutatókat.