Yazan : Şadi Evren ŞEKER

Sınıflandırmada (classification) kullanılan bu algoritmaya göre sınıflandırma sırasında çıkarılan özelliklerden (feature extraction), sınıflandırılmak istenen yeni bireyin daha önceki bireylerden k tanesine yakınlığına bakılmasıdır.

Örneğin k = 3 için yeni bir eleman sınıflandırılmak istensin. bu durumda eski sınıflandırılmış elemanlardan en yakın 3 tanesi alınır. Bu elamanlar hangi sınıfa dahilse, yeni eleman da o sınıfa dahil edilir. Mesafe hesabından genelde öklit mesafesi (euclid distance) kullanılabilir.

örneğin yukarıda verilen ve özelliklerine göre 2 boyutlu koordinat sistemine yerleştirilmiş olan örnekleri ele alalım. Bu örneklerin birbirinden ayrılması doğrusal ayrıştırma (linear discrimination) problemidir ve buradaki yöntemlerle çözülür.

KNN yöntemine göre aşağıdaki şekilde yeni bir üyenin geldiğini düşünelim:

Yukarıdaki bu yeni gelen üyenin en yakın olduğu 3 üyeyi (3 nearest neighbors) tespit edelim.

En yakın 3 üyenin iki tanesi kırmızı yuvarlak üyeler olduğuna göre yeni üyemizi bu şekilde sınıflandırabiliriz:

Yorumlar

  1. Yusuf Sadık Pişkin

    Iyi günler Sadi Bey
    Lise öğrencisiyim
    Weka ile veri madenciliği kitabınızı ücretsiz almak istiyorum
    Benimle irtibata geçin demişsiniz
    Cevabınızı bekiliyorum

  2. Soner

    Hocam Merhabalar,

    Bir görüntü içinde istediğim bir nesneyi bulmak istiyorum. Çok komplike birşey değil örneğin bu küçük bir top olabilir veya konveks bir şekil olabilir.

    K-NN ile bunu yapmam mümkün mü ? Mümkünse nasıl bir yol izlemeliyim. Eğer değilse başka bir yöntem önerebilirmisiniz.

  3. tovim

    Selam
    KNN algoritmasında, mesafe analizinde, dynamic time warping fonksiyon olarak kullanılabilirmi?Bildiğiniz Python ,R örneği varmı?

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir


dört + 5 =