Waa maxay KNN (K- Deriska ugu dhow)?

Waa maxay Deriska ugu dhow K- (KNN)?

K-Neighbors waa farsamada barashada mashiinka iyo algorithm taas waxaa loo isticmaali karaa dib-u-celinta iyo hawlaha kala-soocidda labadaba. K- Deriska Ugu Dhaw baaraan calaamadaha tirada la doortay ee dhibcaha xogta ku wareegsan barta xogta bartilmaameedka ah, si loo sameeyo saadaal ku saabsan fasalka ay barta xogtu ku dhacdo. K-Neighbors (KNN) waa algorithm aragti ahaan fudud laakiin aad u awood badan, sababahaas dartood, waa mid ka mid ah algorithms-barashada mashiinka ugu caansan. Aynu si qoto dheer u dhuuxno algorithm-ka KNN oo aragno sida saxda ah ee ay u shaqeyso. Inaad si fiican u fahamto sida KNN u shaqeyso waxay kuu ogolaan doontaa inaad qadariso kiisaska ugu fiican uguna xun ee KNN.

Dulmar guud ee K-Neighbors (KNN)

Sawirka: Antti Ajanki AnAj iyadoo la sii marayo Wikimedia Commons, CC BY SA 3.0 (https://commons.wikimedia.org/wiki/File:KnnClassification.svg)

Aan sawiro xogta xogta ee diyaarad 2D ah. Sawiro farabadan oo xog ah garaaf, oo ku kala fidsan garaafyada kooxo yaryar. KNN waxay baartaa sida loo qeybinayo dhibcaha xogta, iyadoo ku xiran doodaha la siiyay qaabka, waxay u kala saartaa dhibcaha xogta kooxo. Kooxahan ayaa markaa loo qoondeeyay calaamad. Malaha aasaasiga ah ee qaabka KNN sameeyo ayaa ah in xogta xogta/ tusaalooyinka jira ee isku dhow ay aad isugu dhow yihiin, halka haddii barta xogtu ay ka fogaato koox kale ay la mid tahay dhibcaha xogtaas.

Qaabka KNN wuxuu xisaabiyaa isku ekaanshaha isagoo isticmaalaya masaafada u dhaxaysa labada dhibcood ee garaafka. Inta badan masaafada u dhaxaysa dhibcaha, way yar tahay isku mid. Waxaa jira siyaabo badan oo lagu xisaabiyo masaafada u dhaxaysa dhibcaha, laakiin mitirka masaafada ugu badan waa fogaanta Euclidean (masaafada u dhaxaysa laba dhibcood oo xariiq toosan ah).

KNN waa algorithm waxbarasho oo la kormeero, taasoo la micno ah in tusaalooyinka ku jira xogta xogta ay tahay inay lahaadaan sumado loo qoondeeyay iyaga/fasalada ay ku jiraan waa in la yaqaan. Waxaa jira laba shay oo kale oo muhiim ah oo ku saabsan KNN. Marka hore, KNN waa algorithm-ka aan parametric-ka ahayn. Tani waxay ka dhigan tahay in aan malo-awaal ah oo ku saabsan xog-ururinta aan la samayn marka qaabka la isticmaalo. Halkii, moodelku waxa laga dhisay gebi ahaanba xogta la bixiyay. Marka labaad, ma jirto u kala qaybsanaan xog-ururinta oo loo kala qaybiyay tababar iyo tijaabo marka la isticmaalayo KNN. KNN ma sameyso wax guud oo u dhexeeya tababarka iyo tijaabinta, sidaa darteed dhammaan xogta tababarka ayaa sidoo kale la adeegsadaa marka qaabka la weydiiyo inuu saadaaliyo.

Sida Algorithm-ku u shaqeeyo KNN

Algorithm-ka KNN wuxuu maraa seddex waji oo waaweyn sida loo fuliyo:

1. Dejinta K tirada deriska la doortay.
2. Xisaabinta masaafada u dhaxaysa tusaalaha la bixiyay/tijaabada iyo tusaalooyinka kaydka xogta.
3. Kala soocida masaafada la xisaabiyay.
4. Helitaanka sumadaha gelinta K ee sare.
5. Soo celinta saadaal ku saabsan tusaalaha imtixaanka.

Talaabada ugu horeysa, K waxaa doortay isticmaaluhu waxayna u sheegaysaa algorithmaadka inta deriska ah (immisa dhibcood xogta ku xeeran) waa in la tixgeliyo marka la samaynayo xukunka kooxda tusaalaha bartilmaameedku ka tirsan yahay. Talaabada labaad, ogow in moodalku hubinayo masaafada u dhaxaysa tusaalaha la beegsanayo iyo tusaale kasta oo ku jira kaydka xogta. Masaafada ayaa markaa lagu daraa liiska oo la kala saarayaa. Ka dib, liiska la kala soocay waa la hubiyaa waxaana la soo celiyaa sumadaha qaybaha sare ee K. Si kale haddii loo dhigo, haddii K loo dhigo 5, qaabku wuxuu hubinayaa calaamadaha 5-ta dhibcood ee xogta ugu dhow ee barta xogta bartilmaameedka ah. Marka la bixinayo saadaalin ku saabsan barta xogta la beegsanayo, waa arrin haddii hawshu tahay a gaabis or Qeybinta hawl. Hawsha dib-u-celinta, celceliska calaamadaha sare ee K ayaa la isticmaalaa, halka qaabka calaamadaha sare ee K loo isticmaalo kiiska kala soocida.

Hawlgallada xisaabta saxda ah ee loo isticmaalo in lagu fuliyo KNN way kala duwan yihiin iyadoo ku xiran cabbirka masaafada la doortay. Haddii aad jeclaan lahayd inaad wax badan ka ogaato sida cabbirada loo xisaabiyo, waxaad ka akhrisan kartaa qaar ka mid ah cabbirrada masaafada ugu caansan, sida Euclidean, Manhattan, Iyo Minkowski.

Waa maxay sababta Qiimaha K uu u leeyahay

Xaddidaadda ugu weyn marka la isticmaalayo KNN waa in qiimaha aan habboonayn ee K (lambarka khaldan ee deriska la tixgelinayo) laga yaabo in la doorto. Haddii tani dhacdo, saadaasha la soo celiyay waxay noqon kartaa mid si weyn u dhimman. Aad bay muhiim u tahay, marka la isticmaalayo algorithm KNN, qiimaha saxda ah ee K ayaa la doortaa. Waxaad rabtaa inaad doorato qiimaha K kaas oo kordhinaya awoodda moodeelka si uu u saadaaliyo xogta aan la arkin iyada oo la dhimayo tirada khaladaadka uu sameeyo.

Sawirka: Agor153 iyada oo loo sii marayo Wikimedia Commons, CC BY SA 3.0 (https://en.wikipedia.org/wiki/File:Map1NN.png)

Qiimaha hoose ee K waxay ka dhigan tahay in saadaasha KNN ay tahay mid aan xasilooneyn oo la isku halleyn karo. Si loo ogaado sababta ay tani sidaas tahay, tixgeli kiis aan ku leenahay 7 deris agagaarka barta xogta bartilmaameedka ah. Aynu ka soo qaadno in qaabka KNN uu ku shaqeynayo qiimaha K ee 2 (waxaan ka codsaneynaa inuu eego labada deris ee ugu dhow si aan saadaal u sameeyo). Haddii inta badan deriska (shan ka mid ah todobadiiba) ay ka tirsan yihiin fasalka Buluugga ah, laakiin labada deris ee ugu dhow waxay ku dhacaan casaan, moodalku wuxuu saadaalin doonaa in tusaalaha weydiintu uu yahay casaan. In kasta oo moodelku male-awaal leeyahay, xaaladdan oo kale Buluugga ayaa noqon doonta malo wanaagsan.

Hadday arintu sidaas tahay, maxaa diidaya oo kaliya in aan doorano qiimaha ugu sarreeya ee K ee aan awoodno? Tani waa sababta oo ah u sheegidda qaabka inuu tixgeliyo derisyo badan waxay sidoo kale yareyn doontaa saxnaanta. Marka la eego raadiyaha uu qaabka KNN u tixgeliyo inuu kordho, waxay ugu dambeyntii bilaabi doontaa tixgelinta dhibcaha xogta ee u dhow kooxaha kale marka loo eego barta xogta bartilmaameedka iyo kala-saarid khaldan ayaa bilaabi doonta inay dhacdo. Tusaale ahaan, xitaa haddii barta markii hore la doortay ay ahayd mid ka mid ah gobollada cas ee sare, haddii K la dhigo mid aad u sarreeya, qaabka ayaa gaari doona gobollada kale si loo tixgeliyo dhibcaha. Marka la isticmaalayo qaabka KNN, qiyamka kala duwan ee K ayaa la isku dayaa in la arko qiimaha siinaya qaabka ugu fiican.

Faa'iidooyinka iyo khasaaraha KNN

Aynu eegno qaar ka mid ah faa'iidooyinka iyo khasaarooyinka qaabka KNN.

Faa'iido:

KNN waxaa loo isticmaali karaa labadaba dib-u-celinta iyo hawlaha kala-soocidda, si ka duwan algorithms-barashada kale ee la kormeero.

KNN aad buu u saxsan yahay waana fududahay in la isticmaalo. Way fududahay in la tarjumo, la fahmo, oo la fuliyo.

KNN wax mala awaal ah kama sameyso xogta, taasoo la micno ah in loo isticmaali karo dhibaatooyin kala duwan.

Qasaarooyinka:

KNN waxay kaydisaa inta badan ama dhammaan xogta, taas oo macnaheedu yahay in moodelku uu u baahan yahay xasuus badan iyo xisaabtiisa qaaliga ah. Xog-ururinta waaweyn ayaa sidoo kale sababi karta in saadaasha ay qaadato waqti dheer.

KNN waxay caddeysaa inay aad xasaasi ugu tahay cabirka xogta iyo waxaa lagu tuuri karaa sifooyin aan khuseyn si fudud marka loo eego moodooyinka kale.

Soo koobida K- Deriska ugu dhow (KNN)

K-Neighbors waa mid ka mid ah algorithms-ka barashada mashiinka ugu fudud. In kasta oo sida fudud KNN u yahay, fikrad ahaan, sidoo kale waa algorithm awood leh kaas oo siinaya saxsanaan sare oo cadaalad ah dhibaatooyinka badankood. Markaad isticmaasho KNN, hubi inaad tijaabiso qiyamka kala duwan ee K si aad u hesho lambarka bixiya saxnaanta ugu sareysa.