Artificiell intelligens
En snabbguide för att förstå en KNN-algoritm
Med affärsvärlden aggressivt antagande Data Science, det har blivit ett av de mest eftertraktade områdena. Vi förklarar vad en K-närmaste granne-algoritm är och hur den fungerar.
Vad är KNN Algorithm?
K-Nearest Neighbors-algoritm (eller KNN) är en av de mest använda inlärningsalgoritmerna på grund av sin enkelhet. KNN eller K-nearest neighbor Algorithm är en övervakad inlärningsalgoritm som fungerar enligt principen att varje datapunkt som faller nära varandra kommer i samma klass. Det grundläggande antagandet här är att de saker som ligger nära varandra är lika varandra. Mestadels används KNN-algoritmen på grund av dess enkla tolkning och låga beräkningstid.
KNN används ofta för klassificerings- och regressionsproblem inom maskininlärning. 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 kvadrater och Klass B representerar trianglar.
Problemet är att tilldela en ny indatapunkt 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 den datapunkten, om värdet på "k" är 5, kommer det att leta efter 5 närmaste grannar till den datapunkten.
Låt oss betrakta 'K' = 4 vilket betyder att algoritmen kommer att beakta de fyra grannar som är närmast datapunkten.
Nu, vid 'K' = 4, kan en triangel och två kvadrater ses som närmaste grannar. Så den nya datapunkten baserad på 'K' = 4, skulle tilldelas klass A.
Var använder man KNN?
KNN används i både klassificerings- och regressionsprediktiva problem. Men när den används för industriella ändamål används den oftast i klassificeringen eftersom den överensstämmer med alla parametrar som utvärderas när man bestämmer användbarheten av en teknik.
- Förutsägelsekraft
- Beräkningstid
- Lätt att tolka utdata
Hur används det i dagliga problem?
Trots sin enkelhet fungerar KNN mycket bättre än andra kraftfulla klassificerare och används på platser, såsom ekonomiska prognoser och datakomprimering, videoigenkänning, bildigenkänning, handskriftsdetektering och taligenkänning.
Några viktiga användningsområden för KNN-algoritmen
KNN Algorithm används i banksystemet för att förutsäga om en person är lämplig för godkännande av lån eller inte genom att förutsäga om han eller hon har liknande egenskaper som en försummelse. KNN hjälper också till att beräkna individers kreditpoäng genom att jämföra dem med personer som har liknande egenskaper.
Företag som använder KNN
De flesta e-handels- och underhållningsföretag som Amazon eller Netflix använder KNN när de rekommenderar produkter att köpa eller filmer/program att titta på.
Hur gör de ens dessa rekommendationer? Tja, dessa företag samlar in data om användarnas beteende som tidigare produkter du har köpt eller filmer du har sett 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 har sett liknande filmer.
Produkterna och filmerna kommer sedan att rekommenderas till dig, beroende på hur algoritmen klassificerar den 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 – inget behov av att göra ytterligare antaganden eller bygga en modell.
Nackdelar med KNN
- Noggrannheten beror på kvaliteten på uppgifterna
- Förutsägelse blir långsam med stora data
- Är inte relevant för stora datamängder
- Behöver lagra all träningsdata, kräver därför högt minne
- Det kan vara beräkningsmässigt dyrt eftersom det lagrar all utbildning
I den här bloggen har vi försökt förklara K-NN-algoritmen som används flitigt för klassificering. Vi diskuterade det grundläggande tillvägagångssättet bakom KNN, hur det fungerar och dess fördelar och nackdelar.
KNN-algoritmen är en av de enklaste algoritmerna och kan ge mycket aggressiva resultat. KNN-algoritmer kan användas både för klassificerings- och regressionsproblem.
