K-ближайшие соседи (KNN) — это простой и интуитивно понятный алгоритм машинного обучения, который можно использовать как для задач регрессии, так и для задач классификации. Это непараметрический алгоритм, что означает, что он не делает никаких предположений об основном распределении данных.

KNN работает, находя K ближайших точек данных к новой точке данных и используя метки этих точек данных, чтобы сделать прогноз. Значение K — это гиперпараметр, который можно настроить для достижения наилучшей производительности.

В этой статье мы рассмотрим основы KNN и реализуем их на Python с помощью библиотеки scikit-learn.

Фрагмент кода:

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier

# Load the iris dataset
iris = load_iris()

# Create the KNN model with K=3
model = KNeighborsClassifier(n_neighbors=3)

# Fit the model to the data
model.fit(iris.data, iris.target)

# Predict the class labels of new data
new_data = [[5.0, 3.6, 1.3, 0.25], [6.0, 2.7, 5.1, 1.6], [4.9, 2.5, 4.5, 1.7]]
predicted_labels = model.predict(new_data)

# Print the predicted labels
print(predicted_labels)

Выход

array([0, 2, 1])

Вывод показывает, что предсказанные метки для новых данных равны [0, 2, 1]. Они соответствуют классам в наборе данных радужки: 0 для сетозы, 1 для лишайника и 2 для вирджиники.

Заключение:

K-ближайшие соседи — это простой и интуитивно понятный алгоритм машинного обучения, который можно использовать как для задач регрессии, так и для задач классификации. Это непараметрический алгоритм, который не делает никаких предположений об основном распределении данных. В этой статье мы изучили основы KNN и реализовали их на Python с помощью библиотеки scikit-learn. В следующей части этой серии мы рассмотрим еще один важный алгоритм машинного обучения.

Оставайтесь с нами, чтобы узнать больше!

Я всегда рад общаться со своими подписчиками и читателями в LinkedIn. Если у вас есть какие-либо вопросы или вы просто хотите поздороваться, пожалуйста, не стесняйтесь обращаться к нам.

https://www.linkedin.com/in/sharmasaravanan/

Приятного обучения!

Прощай, мне нравится!! 🤗🤗

#Python #Начинающие #Типы данных #Операторы #Синтаксис #Программирование #Технологии #Блог