K নিকটতম প্রতিবেশী কি?

2024 লেখক: Fiona Howard | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-10 06:34

পরিসংখ্যানে, k-নিকটবর্তী প্রতিবেশীদের অ্যালগরিদম হল একটি নন-প্যারামেট্রিক শ্রেণিবিন্যাস পদ্ধতি যা প্রথম 1951 সালে Evelyn Fix এবং Joseph Hodges দ্বারা বিকশিত হয়েছিল এবং পরে থমাস কভার দ্বারা প্রসারিত হয়েছিল। এটি শ্রেণীবিভাগ এবং রিগ্রেশনের জন্য ব্যবহৃত হয়। উভয় ক্ষেত্রেই, ইনপুটটিতে একটি ডেটা সেটের k নিকটতম প্রশিক্ষণের উদাহরণ থাকে।

K নিকটতম প্রতিবেশী কীভাবে কাজ করে?

KNN কাজ করে একটি ক্যোয়ারী এবং ডেটাতে থাকা সমস্ত উদাহরণের মধ্যে দূরত্ব খুঁজে, কোয়েরির সবচেয়ে কাছের নির্দিষ্ট নম্বর উদাহরণ (K) নির্বাচন করে, তারপর সবচেয়ে বেশি ভোট দেয় ঘন ঘন লেবেল (শ্রেণীবিভাগের ক্ষেত্রে) বা গড় লেবেলগুলি (রিগ্রেশনের ক্ষেত্রে)।

K নিকটতম প্রতিবেশী অ্যালগরিদম বলতে কী বোঝায়?

K নিকটতম প্রতিবেশী হল একটি সরল অ্যালগরিদম যা উপলব্ধ সমস্ত ক্ষেত্রে সঞ্চয় করে এবং একটি মিল পরিমাপের ভিত্তিতে নতুন ডেটা বা কেসকে শ্রেণিবদ্ধ করে। প্রতিবেশীদের কীভাবে শ্রেণীবদ্ধ করা হয় তার উপর ভিত্তি করে এটি বেশিরভাগ ডেটা পয়েন্টকে শ্রেণীবদ্ধ করতে ব্যবহৃত হয়।

K নিয়ারেস্ট নেবার মেশিন লার্নিং কি?

K-নিকটবর্তী প্রতিবেশী হল তত্ত্বাবধানে শেখার কৌশলের উপর ভিত্তি করে সবচেয়ে সহজ মেশিন লার্নিং অ্যালগরিদমগুলির মধ্যে একটি কে-এনএন অ্যালগরিদম নতুন কেস/ডেটা এবং উপলভ্য ক্ষেত্রের মধ্যে সাদৃশ্য অনুমান করে বিভাগে নতুন কেস যা উপলব্ধ বিভাগের সাথে সবচেয়ে বেশি মিল।

K নিকটতম প্রতিবেশীর সুবিধা কী?

এটি প্রশিক্ষণ ডেটাসেট সঞ্চয় করে এবং শুধুমাত্র বাস্তব সময়ের ভবিষ্যদ্বাণী করার সময় এটি থেকে শেখে। এটি KNN অ্যালগরিদমকে অন্যান্য অ্যালগরিদমের তুলনায় অনেক দ্রুত করে তোলে যার জন্য প্রশিক্ষণের প্রয়োজন হয় যেমন SVM, লিনিয়ার রিগ্রেশন ইত্যাদি।