Rychlý průvodce pochopením algoritmu KNN

S tím, jak byznysový svět agresivně přijímá Data Science, se stal jedním z nejžádanějších oborů. Vysvětlíme, co je algoritmus K-nearest neighbor a jak funguje.

Co je algoritmus KNN?

Algoritmus K-Nearest Neighbors (nebo KNN) je jedním z nejčastěji používaných učících se algoritmů díky své jednoduchosti. KNN nebo algoritmus K-nearest neighbor je algoritmus supervizovaného učení, který funguje na principu, že každý datový bod, který spadá blízko k sobě, patří do stejné třídy. Základní předpoklad zde je, že věci, které jsou blízko sebe, jsou si podobné. Mostly, algoritmus KNN se používá kvůli jeho snadné interpretaci a nízkému času výpočtu.

KNN se široce používá pro klasifikační a regresní problémy v strojovém učení. Některé příklady KNN jsou algoritmy používané e-commerce portály pro doporučení podobných produktů.

Pojďme si prohlédnout příklad:

Na daném obrázku máme dvě třídy dat. Třída A reprezentuje čtverce a třída B reprezentuje trojúhelníky.

Problém spočívá v přiřazení nového vstupního datového bodu do jedné z dvou tříd pomocí algoritmu KNN

Prvním krokem je definovat hodnotu ‘K’, která zastupuje počet nejbližších sousedů.

Pokud je hodnota “k” 6, bude hledat 6 nejbližších sousedů k tomuto datovému bodu, pokud je hodnota “k” 5, bude hledat 5 nejbližších sousedů k tomuto datovému bodu.

Pojďme si představit ‘K’ = 4, což znamená, že algoritmus bude zvažovat čtyři nejbližší sousedy, kteří jsou nejblíže k datovému bodu.

Nyní, při ‘K’ = 4, lze vidět jeden trojúhelník a dva čtverce jako nejbližší sousedy. Takže, nový datový bod na základě ‘K’ = 4 by byl přiřazen do třídy A.

Kde použít KNN?

KNN se používá v klasifikačních a regresních předpovědních problémech. Nicméně, když je aplikován pro průmyslové účely, většinou se používá v klasifikaci, protože se osvědčuje ve všech parametrech, které se vyhodnocují při stanovení použitelnosti techniky.

1. Předpovědní síla
2. Čas výpočtu
3. Snadná interpretace výstupu

Jak se používá v každodenních problémech?

Navzdory své jednoduchosti, KNN funguje lépe než ostatní silní klasifikátoři a používá se na místech, jako je ekonomické předpovídání, komprese dat, rozpoznávání videa, rozpoznávání obrázků, rozpoznávání rukopisu a rozpoznávání řeči.

Některé hlavní použití algoritmu KNN

Algoritmus KNN se používá v bankovním systému pro předpověď, zda je osoba způsobilá k schválení úvěru nebo ne, předpovídající, zda má podobné rysy jako defaulter. KNN také pomáhá při výpočtu kreditních skórů jednotlivců srovnáním s osobami, které mají podobné rysy.

Společnosti, které používají KNN

Většina e-commerce a zábavních společností, jako je Amazon (AMZN ) nebo Netflix (NFLX ), používají KNN při doporučování produktů ke koupi nebo filmů/seriálů ke zhlédnutí.

Jak vlastně dělají tato doporučení? Tyto společnosti shromažďují data o chování uživatelů, jako jsou předchozí produkty, které jste na jejich webových stránkách koupili, nebo filmy, které jste sledovali, a aplikují KNN.

Společnosti budou vstupovat vaše dostupná zákaznická data a porovnávat je s jinými zákazníky, kteří koupili podobné produkty nebo sledovali podobné filmy.

Produkty a filmy budou pak doporučeny vám, v závislosti na tom, jak algoritmus klasifikuje tento datový bod.

Výhody a nevýhody KNN

Výhody KNN

• Rychlý výpočet
• Jednoduchý algoritmus – snadná interpretace
• Univerzální – použitelný pro klasifikaci a regresi
• Vysoká přesnost
• Žádné předpoklady o datech – není třeba dělat další předpoklady nebo budovat model.

Nevýhody KNN

• Přesnost závisí na kvalitě dat
• Předpověď se zpomaluje s velkými daty
• Není relevantní pro velké datové sady
• Potřebuje uložit všechna trénovací data, a proto vyžaduje vysokou paměť
• Může být výpočetně nákladný, protože ukládá všechna trénovací data

V tomto blogu jsme se pokusili vysvětlit algoritmus K-NN, který se široce používá pro klasifikaci. Diskutovali jsme o základním přístupu za KNN, jak funguje a jeho výhody a nevýhody.

Algoritmus KNN je jedním z nejjednodušších algoritmů a může poskytnout velmi agresivní výsledky. Algoritmy KNN lze použít jak pro klasifikační, tak pro regresní problémy.