近邻法：工作的示例

最近邻法是基于不同对象的相似性的评价的最简单的度量分类器。

分析对象属于他们所属的训练样本的对象的类。 让我们来看看这是近邻。 试图了解复杂的事情，不同的技术的例子。

假设方法

最近邻方法可以被认为是用于分类的最常见的算法。 对象进行分类属于类Y_I，向其中最接近被摄体学习X_I样品。

方法最近的邻居特异性

k近邻方法能够提高分类的准确性。 分析对象属于相同类作为块状其邻居，即，K接近它对象的分析样品X_I的。 在解决与两类邻居的许多问题将是奇数避免含糊不清的情况下，如果相同数量的邻居将属于不同类别。

悬浮邻居的技术

的tsvector最近的邻居时，班至少有三个数，你不能使用奇数使用PostgreSQL相关的分析方法。 但是，出现的模糊，即使在这种情况下。 然后，第i个邻居得w_i重量，这与相邻等级I减少。 它指的是类的对象，这将有近邻之间的最大总重量。

紧凑的假说

在所有上述方法的心脏是紧凑的假说。 这表明对象的相似性度量和它们属于同一类之间的连接。 在这种情况下，不同类型之间的边界是一个简单的表格，并在空间紧凑的移动区域创建对象的类。 在这样的地区在数学分析认为是指一个有界闭集。 这个假设是不相关的词语的日常感知。

基本公式

让我们来看看更多的近邻。 如果所提出的训练样本类型“对象响应»X ^ M = \ {（X_1，Y_1），\圆点，（x_m，Y_M）\}; 如果多个对象来定义距离函数\ RHO（X，X“）通过增加函数的值，这是在对象的适当的模型相似的形式表示减小对象之间X，X相似性”。

对于任何对象，你也会建立一个训练样本对象X_I，传输距离提高到U：

\的Rho（U，X_ {1; U】）\当量\ RHO（U，X_ {2; U】）\当量\ cdots \当量\ RHO（U，X_ {米; U】），

其中X_ {I; U】表征对象学习样本，这是第i个相邻源对象ú。 这种表示法和使用回复第i个邻居：Y_ {I; U】。 其结果是，我们发现，任何对象ü引发重编自己的样品。

邻居数k的测定

最近邻法k = 1时能够给出一个错误分类，不仅对对象排放，而且对于那些邻近其他类。

如果我们取K = m，则算法将是稳定的，并且将退化成一个恒定值。 这就是为什么可靠性是非常重要的，以避免极端的索引k。

在实践中，所使用的最佳索引k标准滑动控制。

放映排放

研究对象在很大程度上是不平等的，但其中也有一些谁拥有一流的性能和标准简称。 在受到其高属于这一类的概率的理想模式接近。

最近的邻居如何rezultativen方法？ 一个例子可以看出外周和非信息类别的对象的基础上。 假设这个类的物体其他代表的密集环境。 当您从抽样的质量不会遭受的分类删除它们。

进入一定数目的样本可突发噪音，是“地上”一类的。 除去该分类的质量基本上正面的影响。

如果从无信息和消除噪声的对象采取的样品，你可以指望在同一时间了一些积极成果。

所述第一 内插方法 最近邻分类允许以提高质量，减少存储的数据量，减少分类，这是用在下一标准的选择的时间。

采用超大样本

近邻方法是基于学习对象的实际存储。 要使用的技术问题非常大型的样品。 其目的不只是为了节省的信息显著量，而且在最短时间能有时间找到任何体U k是最近的邻居之一。

为了解决这个任务，使用两种方法：

• 经由排出非数据对象减薄样品;
• 有效利用特殊的数据结构和即时搜索最近的邻居的代码。

选择方法规则

上述分类进行了审议。 最近邻方法在解决实际问题，这是在预先已知的距离函数\ RHO使用（X，X“）。 在描述对象数值向量使用欧几里德度量。 这个选择有没有什么特别的理由，但涉及的所有标志的测量“相同的规模。” 如果这个因素不考虑，那么指标将起主要作用具有最高数值的功能。

如果有大量的功能，计算距离作为特定症状的偏差的和出现严重问题的维度。

在高维空间彼此远离将所有对象。 最终，任何样品将是下到对象正在研究ķ邻居。 选择少量的信息量大的特点，以解决这个问题。 用于计算估计算法构建套不同标志的基础上，并为每个人建立自己接近的功能。

结论

数学计算往往涉及使用各种具有自己鲜明的特色，优势和劣势的技术。 看近邻方法可以解决相当严重的问题，由于数学对象的特性。 实验概念的基础上，分析方法在人工智能正在积极使用。

在专家系统中，需要不只是对象进行分类，而且还显示用户所讨论的分类的说明。 在该方法中，这种现象的解释相对于它的位置相对于所用样品的特定类的对象以及表示。 法律行业专家，地质学家，医生，采取这种“先例”的逻辑在他们的研究积极利用它。

为了进行分析，方法是最可靠的，高效的，获得所需的结果，必须采取的最小图K，同时还避免了分析对象中的排放。 这就是为什么使用标准和选择方法，以及为优化指标。