کەی نزیکترین ھاوسێکان

ئەلگۆریتمی k-نزیکترین ھاوسێکان (بە ئینگلیزی: k-nearest neighbours) یا کەی ئێن ئێن (k-NN) ئەلگۆریتمێکی پۆلێنکەرە کە بە جۆرێک لە ئەلگۆریتمی فێربوونی تەمبەڵ و ھەروەھا ئەلگۆریتمی ناپارامەتری دادەنرێت.[١][٢] تەنیا پارامەتری ئەم ئەلگۆریتمە kە کە ژمارەیەکی تەواوە کە ژمارەی ھاوسێکان پیشان دەدات. بۆ نموونە ئەگەر k دابنرێت ٣، ئەلگۆریتمەکە ٣ نزیکترین ھاوسێ دەدۆزێتەوە. ئەلگۆریتمی کەی ئێن ئێن بە دۆزینەوەی مەودای نموونەکان کار دەکات. واتە کاتێک دەیھەوێت نموونەیەکی تازە پۆلێن بکات سەرەتا مەوداکەی لە تەواو نموونەکانی ناو بنکەدراوەکە دەدۆزێتەوە. ئینجا k نزیکترین ھاوسێکانی ئەو نموونە تازەیە ھەڵدەبژێرێت. پۆلی نموونە تازەکە لە ڕووی نیشانە یا پۆلی ھاوسێ نزیکەکانەوە دەدۆزرێتەوە. واتە بە دەنگدان لە نێوان نزیکترین ھاوسێکاندا.[٣] ئەلگۆریتمی k-NN مەودای نێوان گۆڕەکەکان بە کار دێنێت بۆ پۆلێن بۆیە ئەگەر دراوەکان بەر لە پۆلێن نۆرماڵایز بکرێن کارایی ئەلگۆریتمەکە باشتر دەبێت.[٤] ئەمەش تەنیا تایبەتمەندیی کەی ئێن ئێن نیە و تەواوی ئەو ئەلگۆریتمانەی بە مەودا کار دەکەن ئەم دیاردەیانە تێدا دەبینرێت.

نموونەیەکی پۆلێن بە k-NN. خاڵە سەوزەکە نموونەیەکی تازەیە. ئەگەر k بگرین ٣، واتە سێ نزیکترین ھاوسێی ھەڵبژێرین بۆ پۆلێن ئەوا نموونە تازەکە دەکەوێتە پۆلی سێگۆشەوە. ئەم حاڵەتە بە بازنە بچووکەکە پیشان دراوە. بەڵام ئەگەر k لە حاڵەتێکی تردا ٥ بێت، ئەم جارە ئەلگۆریتمەکە نموونە تازەکە وەک چوارگۆش پۆلێن دەکات. ئەم حاڵەتە بە بازنە گەورەکە پیشان دراوە.

سەرچاوەکاندەستکاری

  1. ^ Provost, F. , & Fawcett, T. (2013). Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc.".
  2. ^ T. Hastie, R. Tibshirani, and J. Friedman, “The Elements of Statistical Learning,” Bayesian Forecast. Dyn. Model. , vol. 1, pp. 1–694, 2009.
  3. ^ T. Hastie, R. Tibshirani, and J. Friedman, “The Elements of Statistical Learning,” Bayesian Forecast. Dyn. Model. , vol. 1, pp. 1–694, 2009.
  4. ^ Piryonesi S. Madeh; El-Diraby Tamer E. (2020-06-01). "Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems". Journal of Transportation Engineering, Part B: Pavements. 146 (2): 04020022. doi:10.1061/JPEODX.0000175.