Ghid rapid pentru înțelegerea algoritmului KNN

Cu lumea afacerilor adoptând agresiv știința datelor, aceasta a devenit una dintre cele mai căutate domenii. Explicăm ce este algoritmul vecinului cel mai apropiat (KNN) și cum funcționează.

Ce este algoritmul KNN?

Algoritmul K-Nearest Neighbors (sau KNN) este unul dintre cele mai utilizate algoritmi de învățare datorită simplității sale. KNN sau algoritmul vecinului cel mai apropiat este un algoritm de învățare supravegheat care funcționează pe principiul că fiecare punct de date care se află lângă altul se încadrează în aceeași clasă. Presupunerea de bază aici este că lucrurile care sunt aproape unele de altele sunt similare. În general, algoritmul KNN este utilizat datorită ușurinței sale de interpretare și a timpului de calcul redus.

KNN este utilizat pe scară largă pentru probleme de clasificare și regresie în învățarea automată. Câteva exemple de KNN sunt algoritmii utilizați de portalurile de comerț electronic pentru a recomanda produse similare.

Să analizăm un exemplu:

În imaginea dată, avem două clase de date. Clasa A reprezintă pătrate și Clasa B reprezintă triunghiuri.

Problema constă în a atribui un nou punct de date la una dintre cele două clase cu ajutorul algoritmului KNN

Primul pas este să se definească valoarea lui “K”, care reprezintă numărul de vecini cei mai apropiați.

Dacă valoarea lui “k” este 6, va căuta 6 vecini cei mai apropiați de acel punct de date, dacă valoarea lui “k” este 5, va căuta 5 vecini cei mai apropiați de acel punct de date.

Să considerăm “K” = 4, ceea ce înseamnă că algoritmul va considera cei patru vecini care sunt cei mai apropiați de punctul de date.

Acum, la “K” = 4, un triunghi și două pătrate pot fi văzute ca vecinii cei mai apropiați. Deci, noul punct de date pe baza “K” = 4 ar fi atribuit clasei A.

Unde se utilizează KNN?

KNN este utilizat atât în probleme de clasificare, cât și în cele de regresie. Cu toate acestea, atunci când este aplicat în scopuri industriale, este utilizat în principal în clasificare, deoarece se descurcă bine în toți parametrii evaluați la determinarea utilității unei tehnici.

1. Puterea de predicție
2. Timp de calcul
3. Ușurința de interpretare a ieșirii

Cum este utilizat în problemele zilnice?

În ciuda simplității sale, KNN funcționează mult mai bine decât alți clasificatori puternici și este utilizat în locuri precum previziunea economică, comprimarea datelor, recunoașterea videoului, recunoașterea imaginilor, detectarea scrierii de mână și recunoașterea vorbirii.

Câteva utilizări majore ale algoritmului KNN

Algoritmul KNN este utilizat în sistemul bancar pentru a prevedea dacă o persoană este potrivită pentru aprobarea unui împrumut sau nu, prin previziunea dacă are trăsături similare cu cele ale unui debitor. KNN ajută, de asemenea, la calcularea scorurilor de credit ale indivizilor prin compararea lor cu persoane care au trăsături similare.

Companiile care utilizează KNN

Majoritatea companiilor de comerț electronic și de divertisment, precum Amazon (AMZN ) sau Netflix (NFLX ), utilizează KNN atunci când recomandă produse de cumpărat sau filme/emisiuni de vizionat.

Cum fac aceste recomandări? Ei bine, aceste companii colectează date despre comportamentul utilizatorilor, cum ar fi produsele cumpărate anterior sau filmele vizionate pe site-ul lor, și aplică KNN.

Companiile vor introduce datele dvs. disponibile și le vor compara cu cele ale altor clienți care au cumpărat produse similare sau au vizionat filme similare.

Produsele și filmele vor fi recomandate în funcție de modul în care algoritmul clasifică acel punct de date.

Avantajele și dezavantajele KNN

Avantajele KNN

• Calcul rapid
• Algoritm simplu – ușor de interpretat
• Versatil – util pentru clasificare și regresie
• Acuratețe ridicată
• Nu necesită presupuneri despre date – nu este nevoie să se facă presupuneri suplimentare sau să se construiască un model.

Dezavantajele KNN

• Acuratețea depinde de calitatea datelor
• Previziunea devine lentă cu date mari
• Nu este relevant pentru seturi de date mari
• Trebuie să stocheze toate datele de antrenare, ceea ce necesită o memorie mare
• Poate fi costisitor din punct de vedere computațional, deoarece stochează toate datele de antrenare

În acest blog, am încercat să explicăm algoritmul K-NN, care este utilizat pe scară largă pentru clasificare. Am discutat abordarea de bază din spatele KNN, modul în care funcționează și avantajele și dezavantajele sale.

Algoritmul KNN este unul dintre cele mai simple algoritmi și poate oferi rezultate foarte agresive. Algoritmii KNN pot fi utilizați atât pentru probleme de clasificare, cât și pentru cele de regresie.