KNN 알고리즘 이해를 위한 빠른 가이드

비즈니스 세계가 데이터 과학을 적극적으로 채택함에 따라 가장 인기 있는 분야 중 하나가 되었습니다. 우리는 K-최근접 이웃 알고리즘이 무엇인지 및 어떻게 작동하는지 설명합니다.

KNN 알고리즘이란?

K-최근접 이웃 알고리즘(또는 KNN)은 가장 많이 사용되는 학습 알고리즘 중 하나로, 단순성으로 인해 널리 사용됩니다. KNN 또는 K-최근접 이웃 알고리즘은 지도 학습 알고리즘으로, 모든 데이터 포인트가 근처에 있는 경우 동일한 클래스에 속한다는 원칙으로 작동합니다. 여기서의 기본 가정은 근처에 있는 것들이 서로 유사하다는 것입니다. 대부분의 경우, KNN 알고리즘은 해석이 쉽고 계산 시간이 짧기 때문에 사용됩니다.

KNN은 기계 학습에서 분류 및 회귀 문제에 널리 사용됩니다. KNN의 몇 가지 예로는 전자 상거래 포털에서 유사한 제품을 추천하는 알고리즘을 사용하는 경우가 있습니다.

예시를 통해 살펴보겠습니다:

제공된 이미지에는 두 개의 데이터 클래스가 있습니다. 사각형을 나타내는 클래스 A와 삼각형을 나타내는 클래스 B입니다.

새로운 입력 데이터 포인트를 KNN 알고리즘을 사용하여 두 클래스 중 하나에 할당하는 문제입니다.

첫 번째 단계는 ‘K’의 값을 정의하는 것입니다. 여기서 ‘K’는 최근접 이웃의 수를 나타냅니다.

‘k’의 값이 6이면, 알고리즘은 해당 데이터 포인트에 대한 6개의最近접 이웃을 찾을 것입니다. ‘k’의 값이 5이면, 알고리즘은 해당 데이터 포인트에 대한 5개의 최근접 이웃을 찾을 것입니다.

‘K’ = 4를 고려해 보겠습니다. 이는 알고리즘이 데이터 포인트에 가장 가까운 4개의 이웃을 고려한다는 것을 의미합니다.

‘K’ = 4에서, 하나의 삼각형과 두 개의 사각형이最近접 이웃으로 나타납니다. 따라서 새로운 데이터 포인트는 ‘K’ = 4에 따라 클래스 A에 할당됩니다.

KNN을 어디에 사용할 수 있나요?

KNN은 분류 및 회귀 예측 문제에서 모두 사용됩니다. 그러나 산업 목적으로 적용될 때, 대부분 분류에서 사용되며, 이는 기술의 유용성을 결정할 때 모든 매개 변수에서 공정합니다.

1. 예측력
2. 계산 시간
3. 출력 해석의 용이성

일상 문제에서 어떻게 사용되나요?

그 간단성에도 불구하고, KNN은 다른 강력한 분류器보다 더 잘 작동하며, 경제 예측, 데이터 압축, 비디오 인식, 이미지 인식, 필기 인식 및 음성 인식과 같은 분야에서 사용됩니다.

KNN 알고리즘의 주요 사용처

KNN 알고리즘은 은행 시스템에서 대출 승인을 결정하는 데 사용되며, 동일한 특성을 가진 기존 대출자의 특성과 비교하여 개인의 신용 점수를 계산하는 데에도 사용됩니다.

KNN을 사용하는 회사

대부분의 전자 상거래 및 엔터테인먼트 회사들은 Amazon이나 Netflix와 같이 제품을 추천하거나 영화/쇼를 시청할 때 KNN을 사용합니다.

그들은 어떻게 이러한 추천을 하나요? 이러한 회사들은 사용자의 행동 데이터를 수집하여 이전에 구매한 제품이나 시청한 영화/쇼와 유사한 고객을 찾습니다.

그런 다음 회사는 사용 가능한 고객 데이터를 입력하고 다른 고객과 비교하여 유사한 제품을 구매하거나 영화/쇼를 시청한 고객을 찾습니다.

그런 다음 제품과 영화는 알고리즘이 데이터 포인트를 분류하는 방식에 따라 추천됩니다.

KNN의 장단점

KNN의 장점

• 빠른 계산
• 간단한 알고리즘 – 해석이 쉽습니다.
• 다용도 – 분류 및 회귀 모두에 유용합니다.
• 높은 정확도
• 추가 가정이 필요하지 않습니다. – 모델을 생성하거나 추가 가정할 필요가 없습니다.

KNN의 단점

• 데이터의 품질에 따라 정확도가 달라집니다.
• 대량의 데이터로 인해 예측이 느려집니다.
• 대량의 데이터 세트에는 관련이 없습니다.
• 모든 훈련 데이터를 저장해야 하므로 높은 메모리가 필요합니다.
• 모든 훈련 데이터를 저장하므로 계산 비용이 많이 듭니다.

이 블로그에서 우리는 널리 사용되는 분류를 위한 K-NN 알고리즘을 설명하려고 했습니다. 우리는 KNN의 기본적인 접근 방식, 작동 방식, 및 장단점에 대해 논의했습니다.

KNN 알고리즘은 가장 간단한 알고리즘 중 하나이며 매우 공격적인 결과를 제공할 수 있습니다. KNN 알고리즘은 분류 및 회귀 문제 모두에 사용될 수 있습니다.