دليل سريع لفهم خوارزمية KNN

مع اعتماد العالم التجاري بشكل متزايد علوم البيانات ، أصبحت واحدة من أكثر المجالات بحثًا. نناقش ما هي خوارزمية K-Nearest Neighbor وما كيفية عملها.

ما هي خوارزمية KNN؟

خوارزمية K-Nearest Neighbors (أو KNN) هي واحدة من أكثر الخوارزميات المستخدمة بسبب بساطتها. KNN أو خوارزمية K-Nearest Neighbor هي خوارزمية تعلم مراقبة تعمل على مبدأ أن كل نقطة بيانات تقع بالقرب من بعضها البعض تنتمي إلى نفس الفئة. الفرضية الأساسية هنا هي أن الأشياء التي تقع بالقرب من بعضها البعض هي مثل بعضها البعض. يتم استخدام خوارزمية KNN بشكل رئيسي بسبب سهولة تفسيرها ووقت الحساب المنخفض.

تستخدم خوارزمية KNN على نطاق واسع لمشاكل التصنيف والانحدار في تعلم الآلة. بعض الأمثلة على خوارزمية KNN هي الخوارزميات المستخدمة من قبل منصات التجارة الإلكترونية لتوصية بمنتجات مشابهة.

لنراجع مثالًا:

في الصورة المعروضة ، لدينا فئتين من البيانات. الفئة الأولى تمثل الأشكال المستطيلة والفئة الثانية تمثل الأشكال المثلثة.

المشكلة هي تعيين نقطة بيانات جديدة إلى واحدة من الفئتين باستخدام خوارزمية KNN

الخطوة الأولى هي تعريف قيمة “K” التي تمثل عدد الجيران الأقرب.

إذا كانت قيمة “k” هي 6 ، فستبحث عن 6 جيران أقرب إلى تلك النقطة ، وإذا كانت قيمة “k” هي 5 ، فستبحث عن 5 جيران أقرب إلى تلك النقطة.

لنفترض أن “K” = 4 ، مما يعني أن الخوارزمية سوف تضع في الاعتبار أربعة جيران أقرب إلى تلك النقطة.

الآن ، عند “K” = 4 ، يمكن رؤية مثلث واحد ومستطيلين كجيران أقرب. لذلك ، سوف يتم تعيين نقطة البيانات الجديدة بناءً على “K” = 4 ، إلى الفئة الأولى.

أين نستخدم KNN؟

تستخدم خوارزمية KNN في كل من مشاكل التصنيف والانحدار التنبؤية. ومع ذلك ، عندما يتم تطبيقها لأغراض صناعية ، يتم استخدامها بشكل رئيسي في التصنيف منذ أن تتمتع بجميع المعايير التي يتم تقييمها عند تحديد إمكانية استخدام تقنية ما.

1. قوة التنبؤ
2. وقت الحساب
3. سهولة تفسير الإخراج

كيف يتم استخدامها في المشاكل اليومية؟

على الرغم من بساطتها ، تعمل خوارزمية KNN بشكل أفضل من معظم المصنفات القوية الأخرى وتستخدم في أماكن مثل التنبؤ الاقتصادي وضغط البيانات وتمييز الفيديو وتمييز الصور واكتشاف الكتابة اليدوية وتمييز الكلام.

بعض الاستخدامات الرئيسية لخوارزمية KNN

تستخدم خوارزمية KNN في النظام المصرفي لتوقع ما إذا كان الشخص مناسبًا للموافقة على القرض أو لا من خلال توقع ما إذا كان لديه سمات مشابهة لشخص معسر. كما تساعد خوارزمية KNN في حساب نقاط الائتمان للأفراد من خلال مقارنتها مع أشخاص لديهم سمات مشابهة.

الشركات التي تستخدم KNN

معظم الشركات التجارية الترفيهية مثل Amazon (AMZN ) و Netflix (NFLX ) تستخدم خوارزمية KNN عند توصية المنتجات لشرائها أو الأفلام والمسلسلات لمشاهدتها.

كيف يقومون بتوصية هذه المنتجات؟ حسناً ، هذه الشركات تجمع بيانات حول سلوك المستخدم مثل المنتجات السابقة التي قمت بشرائها أو الأفلام التي قمت بمشاهدتها على موقعهم الإلكتروني وتطبق خوارزمية KNN.

ستدخل الشركات بيانات العملاء المتاحة ومقارنتها مع عملاء آخرين قاموا بشراء منتجات مشابهة أو مشاهدة أفلام مشابهة.

ثم يتم توصية المنتجات والأفلام بناءً على كيفية تصنيف الخوارزمية لنقطة البيانات تلك.

المزايا والعيوب لخوارزمية KNN

المزايا لخوارزمية KNN

• حساب سريع
• خوارزمية بسيطة – سهلة التفسير
• متعددة الاستخدامات – مفيدة للتصنيف والانحدار
• دقة عالية
• لا يوجد افتراضات حول البيانات – لا حاجة لافتراضات إضافية أو بناء نموذج.

عيوب خوارزمية KNN

• الدقة تعتمد على جودة البيانات
• التنبؤ يصبح بطيئًا مع البيانات الكبيرة
• لا تصلح للبيانات الكبيرة
• تحتاج إلى تخزين جميع بيانات التدريب ، وبالتالي تتطلب ذاكرة عالية
• يمكن أن تكون مكلفة حسابيًا لأنها تخزين جميع بيانات التدريب

في هذا المنشور ، حاولنا شرح خوارزمية K-NN التي يتم استخدامها على نطاق واسع للتصنيف. ناقشنا النهج الأساسي خلف KNN وكيفية عملها ومزاياها وعيوبها.

خوارزمية KNN هي واحدة من أبسط الخوارزميات ويمكن أن تعطي نتائج عالية. يمكن استخدام خوارزمية KNN للتصنيف والانحدار.