Մոտակա հարեւանը մեթոդը օրինակը աշխատանքի

մոտակա հարեւանը մեթոդը ամենահեշտ մետրային դասակարգչի որը հիմնված է գնահատման նմանության տարբեր օբյեկտների.

Վերլուծվում օբյեկտ պատկանում է դասի, որին նրանք պատկանում առարկաներ վերապատրաստման նմուշի. Եկեք պարզել, թե որն է մոտակա հարեւանը: Փորձում են հասկանալ, թե բարդ հարցը, օրինակներ տարբեր մեթոդների.

վարկածը մեթոդը

մոտակա հարեւանը մեթոդը կարելի է համարել առավել տարածված ալգորիթմի համար օգտագործվող դասակարգմանը: Օբյեկտ ենթարկվում դասակարգումը պատկանում է ÿ_í դասի, որի ամենամոտն օբյեկտը սովորում x_i նմուշ.

Կոնկրետություն մեթոդների հարեւանների

k ամենամոտ հարեւանի մեթոդը կարող է բարելավել ճշգրտությունը դասակարգման: Վերլուծվում օբյեկտ պատկանում է նույն դասարանում, քանի որ մեծ մասը իր հարեւանների, այսինքն, k մոտ է, այն օբյեկտների վերլուծվում ընտրանքային x_i: Խնդիրների լուծման երկու դասերի թվի հարեւանների կլինի տարօրինակ է խուսափել իրավիճակը անորոշությամբ, եթե նույն թիվը հարեւանների պատկանում են տարբեր դասերի.

Որ տեխնիկան Կախովի հարեւանների

PostgreSQL-վերլուծեց մեթոդը tsvector մոտակա հարեւանները օգտագործվում է, երբ դասերի քանակը առնվազն երեք, եւ դուք չեք կարող օգտագործել կենտ թվով: Բայց անորոշություն է առաջանում, նույնիսկ այդ դեպքերում: Այնուհետեւ, i-րդ հարեւանը w_i քաշը, որը նվազեցնում է հարեւան կոչում i. Այն վերաբերում է դասի օբյեկտի, որը կունենա առավելագույն ընդհանուր քաշը շրջանում մերձավոր հարեւանների հետ:

Վարկածը compactness

At սրտում բոլոր վերը նշված մեթոդներից է վարկածը compactness: Այն առաջարկում է կապը միջոց է նմանության օբյեկտների եւ դրանց պատկանող նույն դասարանում: Այս իրավիճակում, որ սահմանը միջեւ տարբեր տեսակի մի պարզ ձեւ, եւ ստեղծել դասեր օբյեկտների տիեզերական կոմպակտ բջջային տարածքում. Այնպիսի ոլորտներում, մաթեմատիկական վերլուծության տեղափոխվել է նշանակում փակ bounded հավաքածուներ. Այս վարկածը կապված չէ ամենօրյա ընկալման բառի.

Հիմնական բանաձեւը

Եկեք քննենք ավելի ամենամոտ հարեւանը: Եթե առաջարկվող վերապատրաստման եւ ընտրանքի ձեւը, «օբյեկտը-պատասխանը» X ^ մ = \ {(x_1, y_1), \ dots, (x_m, Y_M) \}; եթե բազմազանության օբյեկտների սահմանել հեռահար ֆունկցիա \ Rho (x, x '), որը ներկայացված է ձեւով համարժեք օրինակելի նմանության օբյեկտների կողմից աճող արժեքը ֆունկցիայի նվազում նմանությունն օբյեկտների x, x'.

Ցանկացած օբյեկտի, u պետք է կառուցել մի դասընթաց նմուշ օբյեկտների x_i աճող հեռավորությունների u:

\ Rho (u, x_ {1, u}) \ LEQ \ rho (u, x_ {2, u}) \ LEQ \ cdots \ LEQ \ rho (u, x_ {մ իա}),

որտեղ x_ {i; իա} բնութագրում է օբյեկտային ուսուցման նմուշը, որը հանդիսանում i-րդ հարեւանը աղբյուր օբյեկտ u. Այդպիսի նշում եւ օգտագործման պատասխանել է i-րդ հարեւանի: ÿ_ {i; u}. Արդյունքում, մենք գտնում ենք, որ ցանկացած օբյեկտ u սադրում վերահամարակալել սեփական նմուշ.

Որոշում թիվ k հարեւանների

մոտակա հարեւանը մեթոդը, երբ k = 1 ի վիճակի է տալու սխալ դասակարգում, ոչ միայն Օբեկտներ - արտանետումների, այլեւ այլ դասերի, որոնք մոտ:

Եթե մենք վերցնենք k = m, ալգորիթմը կլինի, քանի որ կայուն եւ այլասերված մեջ անընդհատ արժեքի. Դա է պատճառը, հուսալիությունը կարեւոր է խուսափել ծայրահեղ ցուցանիշները k.

Գործնականում, քանի որ օպտիմալ ցուցանիշը k օգտագործվում չափանիշը լոգարիթմական վերահսկողությունը.

ցուցադրություններ արտանետումները

Օբյեկտներ ուսումնասիրության են հիմնականում անհավասար, բայց նրանց մեջ կան մարդիկ, ովքեր ունեն բնութագրերը մի դասի, եւ որոնք կոչվում են ստանդարտներին: Ին մոտակայքում ենթակա իդեալական մոդելի իր բարձր հավանականության պատկանող այս դասի.

Թե ինչպես է rezultativen մեթոդը հարեւանների. An օրինակ կարելի է տեսնել հիման վրա ծայրամասային եւ ոչ տեղեկատվական կատեգորիաների օբյեկտների. Ենթադրվում է, խիտ միջավայր օբյեկտի մյուս ներկայացուցիչների այս դասի. Երբ եք հեռացնել նրանց դասակարգումը նմուշառման որակի չի տուժի:

Ստացեք մեջ որոշակի թվով նմուշների ստանալ շատ աղմուկի bursts, որոնք «գետնի վրա» դասի. Հեռացնելով էականորեն դրական ազդեցություն որակի վրա է դասակարգման:

Եթե նմուշ վերցված ոչինչ չասող եւ վերացնել աղմուկի օբյեկտների, դուք կարող եք ապավինել մի քանի դրական արդյունքների միաժամանակ.

Առաջին ընդմիջարկումը մեթոդը the մոտակա հարեւան դասակարգումը հնարավորություն է տալիս բարելավել որակը, նվազեցնել գումարը պահվում տվյալների, նվազեցնել ժամանակի դասակարգման, որը ծախսվում է ընտրության հաջորդ չափանիշներին.

Օգտագործումը ուլտրա-խոշոր նմուշների

մոտակա հարեւանը մեթոդը հիմնված է իրական պահպանման ուսումնական օբյեկտների. Ստեղծել շատ լայնածավալ նմուշներ օգտագործելով տեխնիկական խնդիր: Նպատակը ոչ միայն պետք է փրկել մի զգալի քանակությամբ տեղեկատվության, այլեւ նվազագույն չափով ժամանակ պետք է ժամանակ գտնել որեւէ օբյեկտ u k շրջանում անմիջական հարեւաններից:

Հաղթահարել այս խնդիրը, երկու մեթոդները օգտագործվում են:

• նոսրացել նմուշ միջոցով ելքը ոչ-տվյալների օբյեկտների.
• արդյունավետ օգտագործման հատուկ տվյալների կառուցվածքը եւ օրենսգրքեր համար ակնթարթային որոնման մոտակա հարեւանների հետ:

Կանոնները ընտրության մեթոդների

Վերը նշված դասակարգումը էր համարվում: Մոտակա հարեւանը մեթոդը օգտագործվում է լուծել գործնական խնդիրներ, որը հայտնի է նախապես հեռահար գործառույթը \ Rho (x, x '): Նկարագրելիս օբյեկտների թվային վեկտորները օգտագործել Էվկլիդեսի մետրային: Այս ընտրությունը ոչ մի առանձնահատուկ արդարացում, բայց ներառում է չափում բոլոր նշանների »- ի նույն մասշտաբով» Եթե այս գործոնը հաշվի չեն առնվում, ապա մետրային կլինի գերակշռել առանձնահատկություն ունեցող ամենաբարձր թվային արժեքները:

Եթե կա մի էական գումարը հատկանիշների, հաշվարկելով հեռավորությունը, ինչպես նաեւ գումարի շեղումների վերաբերյալ կոնկրետ ախտանշաններ են լուրջ խնդիր հարթություն:

Բարձր եռաչափ տարածության հեռու միմյանց բոլոր օբյեկտները. Ի վերջո, ցանկացած նմուշ կլինի կողքին օբյեկտի Ուսումնասիրվում է k հարեւաններին: Ընտրված մի փոքր շարք տեղեկատվական առանձնահատկություններ վերացնել այս խնդիրը: Ալգորիթմները հաշվարկման նախահաշիվները կառուցել հիման վրա տարբեր Կոմպլեկտներ նշանների, եւ յուրաքանչյուր անհատի կառուցել իրենց մոտիկություն գործառույթը:

եզրափակում

Մաթեմատիկական հաշվարկները հաճախ ներգրավել օգտագործումը մի շարք մեթոդների, որոնք ունեն իրենց սեփական տարբերակիչ բնութագրերի, առավելություններն ու թերությունները: Դիտվել է մոտակա հարեւանը մեթոդը կարող է լուծել, այլ ոչ թե լուրջ խնդիրներ առանձնահատկությունն մաթեմատիկական օբյեկտների. Փորձարարական հայեցակարգը, որը հիմնված է վերլուծվում մեթոդի ակտիվորեն օգտագործվում է արհեստական ինտելեկտի.

Ի փորձագիտական համակարգերի դա անհրաժեշտ է ոչ միայն դասակարգել օբյեկտները, այլեւ ցույց է օգտագործողի բացատրություն է դասակարգման հարցին: Այս մեթոդի, բացատրությունը այս երեւույթի արտահայտված են հետ կապված օբյեկտի որոշակի դասի, ինչպես նաեւ դրա գտնվելու հարաբերական նմուշի օգտագործվում. Իրավաբանական արդյունաբերության մասնագետները, երկրաբաններ, բժիշկներ, վերցնել այդ «նախադեպ» տրամաբանությունը ակտիվորեն օգտագործել այն իրենց հետազոտության.

Որպեսզի է վերլուծել մեթոդը առավել հուսալի, արդյունավետ, տալով ցանկալի արդյունքների, դուք պետք է վերցնել մի նվազագույն գործիչ k, միաժամանակ խուսափել արտանետումները միջեւ վերլուծված օբյեկտների. Դա է պատճառը, որ օգտագործումը ստանդարտների եւ ընտրությունը մեթոդը, ինչպես նաեւ օպտիմալացման չափման.