|
KNN algoritmining afzalliklari va kamchiliklari
|
| bet | 4/4 | | Sana | 08.07.2024 | | Hajmi | 102,97 Kb. | | #266983 |
Bog'liq Muzataqil ish-1KNN algoritmining afzalliklari va kamchiliklari
Har qanday mashinani o'rganish algoritmi singari, k-NN ham o'zining kuchli va zaif tomonlariga ega. Loyiha va dasturga qarab, u to'g'ri tanlov bo'lishi mumkin yoki bo'lmasligi mumkin.
Afzalliklar
- Amalga oshirish oson : Algoritmning soddaligi va aniqligini hisobga olsak, bu yangi ma'lumot olimi o'rganadigan birinchi tasniflagichlardan biridir.
- Osonlik bilan moslashadi : Yangi o'quv namunalari qo'shilishi bilan algoritm har qanday yangi ma'lumotlarni hisobga olish uchun moslashtiriladi, chunki barcha mashg'ulot ma'lumotlari xotirada saqlanadi.
- Bir nechta giperparametrlar : KNN faqat ak qiymati va masofa ko'rsatkichini talab qiladi, bu boshqa mashinani o'rganish algoritmlari bilan solishtirganda past.
Kamchiliklari
- Yaxshi miqyosda emas: KNN dangasa algoritm bo'lgani uchun u boshqa tasniflagichlarga qaraganda ko'proq xotira va ma'lumotlarni saqlashni oladi. Bu vaqt va pul nuqtai nazaridan qimmatga tushishi mumkin. Ko'proq xotira va xotira biznes xarajatlarini oshiradi va ko'proq ma'lumotlarni hisoblash uchun ko'proq vaqt talab etiladi. Hisoblash samarasizligini bartaraf etish uchun turli xil ma'lumotlar tuzilmalari, masalan, Ball-Tree yaratilgan bo'lsa-da, biznes muammosiga qarab boshqa tasniflagich ideal bo'lishi mumkin.
- O'lchovlilikning la'nati: KNN algoritmi o'lchovlilik la'nati qurboni bo'lishga moyil bo'ladi, ya'ni u yuqori o'lchamli ma'lumotlarni kiritish bilan yaxshi ishlamaydi. Buni ba'zan tepalik hodisasi deb ham atashadi, bunda algoritm optimal xususiyatlar soniga erishgandan so'ng, qo'shimcha funktsiyalar tasniflash xatolarining miqdorini oshiradi, ayniqsa namuna hajmi kichikroq bo'lsa.
- Haddan tashqari moslashishga moyil: "o'lchovlilik la'nati" tufayli KNN ham haddan tashqari moslashishga moyil. Xususiyatlarni tanlash va o'lchamlarni kamaytirish usullari buning oldini olish uchun qo'llanilsa-da, k qiymati ham modelning xatti-harakatlariga ta'sir qilishi mumkin. K ning pastroq qiymatlari ma'lumotlarga to'g'ri kelishi mumkin, k ning yuqori qiymatlari esa prognoz qiymatlarini "tekislashtiradi", chunki u kattaroq hudud yoki mahallada qiymatlarni o'rtacha hisoblaydi. Biroq, agar k qiymati juda yuqori bo'lsa, u ma'lumotlarga mos kelishi mumkin.
|
| |
