En snabbguide till att förstå KNN-algoritmen

Med att näringslivet aggressivt antar Data Science, har det blivit ett av de mest eftertraktade områdena. Vi förklarar vad en K-närmaste granne-algoritm är och hur den fungerar.

Vad är KNN-algoritm?

K-närmaste grannar-algoritmen (eller KNN) är en av de mest använda inlärningsalgoritmerna på grund av sin enkelhet. KNN eller K-närmaste granne-algoritmen är en övervakad inlärningsalgoritm som fungerar på principen att varje datapunkt som ligger nära varandra tillhör samma klass. Den grundläggande antagandet här är att saker som ligger nära varandra är lika varandra. Främst används KNN-algoritmen på grund av dess enkelhet att tolka och låga beräkningstider.

KNN används i stor utsträckning för klassificerings- och regressionsproblem inom maskinlärning. Några exempel på KNN är algoritmer som används av e-handelsportaler för att rekommendera liknande produkter.

Låt oss granska ett exempel:

I den givna bilden har vi två klasser av data. Klass A representerar fyrkantiga former och Klass B representerar triangelformer.

Problemet är att tilldela en ny indata datapunkt till en av de två klasserna med hjälp av KNN-algoritmen

Det första steget är att definiera värdet på “K” som står för antalet närmaste grannar.

Om värdet på “k” är 6, kommer det att leta efter 6 närmaste grannar till datapunkten, om värdet på “k” är 5, kommer det att leta efter 5 närmaste grannar till datapunkten.

Låt oss överväga “K” = 4, vilket innebär att algoritmen kommer att överväga de fyra grannar som är närmast datapunkten.

Nu, vid “K” = 4, kan en triangel och två fyrkantiga former ses som de närmaste grannarna. Så, den nya datapunkten baserat på “K” = 4, skulle tilldelas Klass A.

Vart används KNN?

KNN används i både klassificerings- och regressionsprediktionsproblem. Men när det används för industriella ändamål, används det främst för klassificering eftersom det fungerar bra över alla parametrar som utvärderas när man bestämmer användbarheten av en teknik.

1. Prediktionskraft
2. Beräkningstid
3. Lätthet att tolka utdatat

Hur används det i vardagliga problem?

Trots sin enkelhet fungerar KNN bättre än andra kraftfulla klassificerare och används på platser som ekonomisk prognostisering, datakomprimering, videogenkänning, bildigenkänning, handstilsdetektering och taligenkänning.

Några stora användningsområden för KNN-algoritmen

KNN-algoritmen används i banksystem för att förutsäga om en person är lämplig för lånegodkännande eller inte genom att förutsäga om de har liknande egenskaper som en person som inte betalat tillbaka. KNN hjälper också till att beräkna kreditbetyg för individer genom att jämföra dem med personer som har liknande egenskaper.

Företag som använder KNN

De flesta e-handels- och underhållningsföretag som Amazon (AMZN ) eller Netflix (NFLX ) använder KNN när de rekommenderar produkter att köpa eller filmer/serier att titta på.

Hur gör de dessa rekommendationer? Jo, dessa företag samlar in data om användarnas beteende, som tidigare produkter du har köpt eller filmer du har tittat på på deras webbplats, och tillämpar KNN.

Företagen kommer att mata in din tillgängliga kunddata och jämföra den med andra kunder som har köpt liknande produkter eller tittat på liknande filmer.

Produkterna och filmerna kommer sedan att rekommenderas till dig, beroende på hur algoritmen klassificerar datapunkten.

Fördelar och nackdelar med KNN

Fördelar med KNN

• Snabb beräkning
• Enkel algoritm – att tolka
• Mångsidig – användbar för klassificering och regression
• Hög noggrannhet
• Inga antaganden om data – ingen behov av att göra ytterligare antaganden eller bygga en modell.

Nackdelar med KNN

• Noggrannhet beror på datans kvalitet
• Prediktionen blir långsam med stora datamängder
• Är inte relevant för stora datamängder
• Behöver lagra all utbildningsdata, vilket kräver stor minneskapacitet
• Det kan vara beräkningsmässigt dyrt eftersom det lagrar all utbildningsdata

I den här bloggen har vi försökt att förklara K-NN-algoritmen som är allmänt använd för klassificering. Vi diskuterade den grundläggande principen bakom KNN, hur det fungerar och dess fördelar och nackdelar.

KNN-algoritmen är en av de enklaste algoritmerna och kan ge hög noggrannhet. KNN-algoritmer kan användas både för klassificerings- och regressionsproblem.