Моделі та платформи ШІ
Швидке керівництво до розуміння алгоритму KNN
З бізнес-світом, який агресивно приймає Data Science, воно стало однією з найбільш затребуваних галузей. Ми пояснюємо, що таке алгоритм K-найближчих сусідів і як він працює.
Що таке алгоритм KNN?
Алгоритм K-найближчих сусідів (або KNN) є одним з найбільш використовуваних алгоритмів навчання через свою простоту. KNN або алгоритм K-найближчих сусідів є алгоритмом наглядового навчання, який працює на принципі, що кожна точка даних, яка падає поруч одна з одною, належить до одного класу. Основна припущення тут полягає в тому, що речі, які знаходяться поруч одна з одною, схожі одна на одну. Більшість часу алгоритм KNN використовується через свою легкість інтерпретації та низький час розрахунку.
KNN широко використовується для задач класифікації та регресії в машинному навчанні. Наприклад, алгоритми KNN використовуються електронними торговельними порталами для рекомендації подібних продуктів.
Давайте розглянемо приклад:
На даному зображенні у нас є два класи даних. Клас А представляє квадрати, а клас Б представляє трикутники.
Проблема полягає в тому, щоб призначити нову точку даних одному з двох класів за допомогою алгоритму KNN
Перший крок – визначити значення ‘K’, яке позначає кількість найближчих сусідів.
Якщо значення “k” дорівнює 6, воно буде шукати 6 найближчих сусідів до цієї точки даних, якщо значення “k” дорівнює 5, воно буде шукати 5 найближчих сусідів до цієї точки даних.
Давайте розглянемо ‘K’ = 4, що означає, що алгоритм буде розглядати чотирьох сусідів, які найближчі до точки даних.
Зараз, за ‘K’ = 4, можна побачити один трикутник та два квадрати як найближчих сусідів. Тому нова точка даних на основі ‘K’ = 4 буде призначена класу А.
Де використовувати KNN?
KNN використовується як для класифікації, так і для регресійних прогнозних задач. Однак, коли його застосовують для промислових цілей, здебільшого його використовують для класифікації, оскільки він показує хороші результати по всіх параметрах, які оцінюються при визначенні придатності методу.
- Прогнозувальна сила
- Час розрахунку
- Легкість інтерпретації виходу
Як він застосовується до щоденних проблем?
Незважаючи на свою простоту, KNN працює краще, ніж інші потужні класифікатори, і використовується в таких місцях, як економічне прогнозування, стиснення даних, розпізнавання відео, розпізнавання зображень, виявлення рукописного тексту та розпізнавання мови.
Деякі основні застосування алгоритму KNN
Алгоритм KNN використовується в банківській системі для прогнозування, чи підходить людина для затвердження кредиту чи ні, прогнозуючи, чи має вона схожі характеристики з боржником. KNN також допомагає у розрахунку кредитних балів осіб, порівнюючи їх з людьми, які мають схожі характеристики.
Компанії, які використовують KNN
Більшість електронних торговельних та розважальних компаній, таких як Amazon або Netflix, використовують KNN, коли рекомендують товари для покупки або фільми/шоу для перегляду.
Як вони роблять ці рекомендації? Ну, ці компанії збирають дані про поведінку користувачів, такі як попередні товари, які ви купили, або фільми, які ви переглянули на їхньому сайті, та застосовують KNN.
Компанії вводять ваші наявні дані клієнта та порівнюють їх з іншими клієнтами, які купили подібні товари або переглянули подібні фільми.
Тоді товари та фільми будуть рекомендовані вам, залежно від того, як алгоритм класифікує цю точку даних.
Переваги та недоліки KNN
Переваги KNN
- Швидкий розрахунок
- Простий алгоритм – для інтерпретації
- Універсальний – корисний для класифікації та регресії
- Висока точність
- Немає припущень про дані – немає потреби робити додаткові припущення або будувати модель.
Недоліки KNN
- Точність залежить від якості даних
- Прогнозування стає повільним з великими даними
- Не підходить для великих наборів даних
- Потрібно зберігати всі дані навчання, тому потребує великої пам’яті
- Воно може бути обчислювально дорогим, оскільки зберігає всі дані навчання
У цьому блозі ми спробували пояснити алгоритм K-NN, який широко використовується для класифікації. Ми обговорили базовий підхід за KNN, як він працює, та його переваги та недоліки.
Алгоритм KNN є одним з найпростіших алгоритмів і може давати дуже агресивні результати. Алгоритми KNN можна використовувати як для класифікації, так і для регресійних задач.
