- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
KNearestNeighbors Classifier یا KNN نمونه جدید را بر اساس برچسب نزدیک‌ترین نمونه‌های آموزشی طبقه‌بندی می‌کند. الگوریتم در مرحله آموزش معمولاً ساختار پیچیده‌ای یاد نمی‌گیرد و هنگام پیش‌بینی فاصله نمونه جدید تا نمونه‌های موجود را محاسبه می‌کند.
نحوه کار و کاربرد
پارامتر K تعداد همسایه‌ها را تعیین می‌کند و معیار فاصله مشخص می‌کند نزدیکی چگونه سنجیده شود. K کوچک می‌تواند به نویز حساس باشد و K بزرگ ممکن است مرز کلاس‌ها را بیش از حد هموار کند. مقیاس ویژگی‌ها اهمیت زیادی دارد.
نمونه
use Phpml\Classification\KNearestNeighbors;
$samples = [[1,3],[1,4],[2,4],[3,1],[4,1],[4,2]];
$labels = ['a','a','a','b','b','b'];
$classifier = new KNearestNeighbors(3);
$classifier->train($samples, $labels);
echo $classifier->predict([3,2]);نکته
مقدار K و معیار فاصله را با اعتبارسنجی انتخاب کنید و هزینه محاسبه فاصله را در دیتاست بزرگ در نظر بگیرید.