قریب ترین پڑوسی طریقہ: کام کی مثال

قریب ترین پڑوسی کے طریقہ کار مختلف اشیاء کی مماثلت کی تشخیص پر مبنی ہے جس میں سب سے آسان میٹرک classifier کے لئے ہے.

تجزیہ اعتراض کلاس جس کو انہوں نے تربیت کے نمونہ کے موضوعات کا تعلق کا ہے. ہم سے قریب ترین پڑوسی ہے جو تلاش کرتے ہیں. پیچیدہ معاملہ، مختلف تراکیب کی مثالوں کو سمجھنے کی کوشش کریں.

پرختیارپنا کے طریقہ کار

قریب ترین پڑوسی کے طریقہ کار کی درجہ بندی کے لئے استعمال کیا سب سے زیادہ عام الگورتھم کے طور پر سمجھا جا سکتا ہے. آبجیکٹ کی درجہ بندی گزر جس x_i نمونے سیکھنے قریب ترین اعتراض کرنے، کلاس y_i سے تعلق رکھتا ہے.

طریقوں کے قریب ترین ہمسایوں کی وضاحتی

ک قریب ترین پڑوسی کے طریقہ کار کی درجہ بندی کی درستگی کو بہتر بنانے کے کر سکتے ہیں. تجزیہ کیا اعتراض ہے، اس کے پڑوسیوں کا بڑا حصہ کے طور پر ایک ہی کلاس سے تعلق رکھتا ہے کہ ہے، قریب ک جو تجزیہ نمونہ x_i کی اشیاء. پڑوسیوں کے اسی تعداد مختلف کلاسوں کی ہو جائے گی تو ہمسایوں کی تعداد کی دو قسموں کے ساتھ مسائل کو حل کرنے میں ابہام کی صورت حال سے بچنے کے لئے عجیب ہو جائے گا.

معطل کر پڑوسیوں کی تکنیک

PostgreSQL کے تجزیہ کے طریقہ کار tsvector قریبی پڑوسیوں کلاسوں میں کم از کم تین کی تعداد میں، اور آپ کو طاق استعمال نہیں کر سکتے جب استعمال کیا جاتا ہے. لیکن ابہام سے بھی ان صورتوں میں پیدا ہوتا ہے. اس کے بعد، میں ویں پڑوسی پڑوسی کے درجے میں اس کے ساتھ کمی واقع ہوتی ہے جس w_i وزن، ہو جاتا ہے. اس اعتراض کے طبقے، قریبی پڑوسیوں کے درمیان زیادہ سے زیادہ کل وزن پڑے گا جس سے مراد.

compactness کی کی پرختیارپنا

مندرجہ بالا طریقوں میں سے سب کے دل میں compactness کی کی پرختیارپنا ہے. یہ اشیاء کی مماثلت کی ناپ اور ایک ہی کلاس میں ان کے تعلق رکھنے والے کے درمیان ایک کنکشن سے پتہ چلتا ہے. اس صورت حال میں، مختلف اقسام کے درمیان سرحد ایک سادہ شکل ہے، اور خلائی کمپیکٹ موبائل کے علاقے میں اشیاء کی کلاسیں تشکیل دیں. اس طرح علاقوں کے تحت ریاضیاتی تحلیل میں ایک بند جکڑے ہوئے سیٹ مطلب لیا. یہ پرختیارپنا لفظ کے روزمرہ کے خیال سے متعلق نہیں ہے.

بنیادی فارمولا

ہم سے زیادہ قریب ترین پڑوسی جائزہ لیتے ہیں. اگر مجوزہ تربیتی نمونے کی قسم "اعتراض کے جواب» X ^ M = \ {(x_1، y_1)، \ بندیاں، (x_m، y_m) \}؛ اشیاء کی ایک بہسنکھیا فاصلے تقریب \ RHO (X، X ') کی وضاحت کرنا ہے تو تقریب کی قدر میں اضافہ کر کے، جس میں اشیاء کی ایک مناسب ماڈل مماثلت کی شکل میں ظاہر کیا جاتا ہے ایکس، ایکس اشیاء کے درمیان مماثلت کمی واقع ہوتی ہے'.

کسی بھی چیز کے لئے، U ایک تربیتی نمونے U کرنے فاصلوں میں اضافہ کے ساتھ x_i اشیاء تعمیر کرے گا:

\ RHO (U، x_ {1؛ یو}) \ leq \ RHO (U، x_ {2؛ یو}) \ leq \ cdots \ leq \ RHO (U، x_ {میٹر؛ یو})

جہاں x_ {I؛ یو} ہے جس میں ویں پڑوسی سورس آبجیکٹ یو اعتراض سیکھنے نمونے، خاصیت. اس طرح کی سنکیتن اور استعمال میں ویں پڑوسی کا جواب کرنے کے لئے: y_ {I؛ یو}. اس کے نتیجے کے طور پر، ہم کسی بھی چیز کو یو کے اپنے نمونے renumbering انگیخت کہ.

پڑوسیوں کی تعداد K کا تعین

قریب ترین پڑوسی کے طریقہ کار جب K = 1 نہ صرف آبجیکٹ- اخراج پر، بلکہ قریب ہیں کہ دوسری کلاس کے لئے، ایک غلط کی درجہ بندی دینے کے قابل ہے.

ہم K = M لے، الگورتھم کے طور پر مستحکم ہو جائے گا اور ایک مسلسل قیمت میں degenerate گا. کیوں بھروسے انتہائی سوچکانکوں کشمیر سے بچنے کے لئے ضروری ہے کہ ہے.

عملی طور پر، زیادہ سے زیادہ انڈیکس K استعمال کے طور کسوٹی کنٹرول سلائڈنگ.

نمائش کے اخراج

مطالعہ کی اشیاء بڑی حد تک غیر مساوی ہیں، لیکن ان کے درمیان ایک کلاس کی خصوصیات ہیں اور معیار کے طور پر کہا جاتا ہے ان لوگوں کو جو موجود ہیں. اس طبقے سے تعلق رکھنے والے اس اعلی امکان کے مثالی ماڈل سے مشروط کی قربت میں.

کس طرح rezultativen قریبی پڑوسیوں کے طریقہ؟ ایک مثال اشیاء کے پردیی اور غیر معلوماتی زمرے کی بنیاد پر دیکھا جا سکتا ہے. یہ اس کلاس کا مقصد دیگر نمائندوں کے گھنے ماحول فرض کیا جاتا ہے. جب آپ کے معیار کا شکار نہیں ہوں گے سیمپلنگ کی درجہ بندی سے ان کو ختم.

نمونوں کہ ایک کلاس کے "زمین پر" ہیں مئی کے شور پھٹ کی ایک مخصوص تعداد میں حاصل کریں. درجہ بندی کے معیار پر کافی مثبت اثر ہٹانا.

نمونہ uninformative اور خاتمے شور اشیاء سے لیا ہے تو، آپ کو ایک ہی وقت میں چند مثبت نتائج پر اعتماد کر سکتے.

پہلے سے پرکشیپ کے طریقہ کار کے قریب ترین پڑوسی درجہ بندی،، معیار کو بہتر بنانے کے اگلے معیارات کے انتخاب پر خرچ کیا جاتا ہے جس کی درجہ بندی کے وقت کو کم ذخیرہ کردہ ڈیٹا کی مقدار کو کم کرنے کے لئے اجازت دیتا ہے.

الٹرا بڑے نمونے کے استعمال

قریب ترین پڑوسی کے طریقہ کار سیکھنا اشیاء کی حقیقی سٹوریج پر مبنی ہے. ایک تکنیکی مسئلہ کا استعمال کرتے ہوئے بہت بڑے پیمانے پر کے نمونے بنانے کے لیے. مقصد صرف معلومات کا ایک قابل ذکر رقم کو بچانے کی جاتی ہے نہیں، بلکہ وقت کی کم از کم رقم میں کوئی اعتراض یو قریب ترین ہمسایوں کے درمیان کشمیر کو تلاش کرنے کے لئے وقت ہے کرنے کے لئے.

اس کام کے ساتھ نمٹنے کے لئے، دو طریقوں سے استعمال کیا جاتا ہے:

• ایک مادہ غیر اعداد و شمار اشیاء کے ذریعے مہیا thinned نمونہ؛
• مؤثر استعمال خصوصی آنکڑا ڈھانچہ اور قریب ترین ہمسایوں کے فوری تلاش کے لئے کوڈ.

انتخاب کے طریقوں کے قوانین

مندرجہ بالا درجہ بندی سمجھا جاتا تھا. قریب ترین پڑوسی کے طریقہ کار پیشگی فاصلے تقریب \ RHO جانا جاتا ہے جو عملی مسائل، حل کرنے میں استعمال کیا جاتا ہے (X، X '). بیان اشیاء میں عددی ویکٹر ایک اقلیدسی میٹرک کا استعمال. یہ انتخاب کوئی خاص جواز نہیں ہے، لیکن تمام نشانیوں میں سے پیمائش کی ضرورت ہوتی ہے "اسی پیمانے پر." اس عنصر اکاؤنٹ میں نہیں لیا ہے تو پھر میٹرک خصوصیت سب سے زیادہ عددی اقدار ہونے غلبہ گا.

سنگین مسئلہ جہت نظر خصوصیات کی ایک قابل ذکر رقم، مخصوص علامات پر انحراف کی رقم کے طور پر فاصلے کا حساب لگانے کے نہیں ہے تو.

اعلی جہتی خلا ایک دوسرے گے تمام اشیاء سے دور ہیں. آخر میں، کوئی نمونہ شئے کو اگلے K پڑوسیوں مطالعہ کیا جا رہا ہو جائے گا. اس مسئلہ کو ختم کرنے کے لئے معلوماتی خصوصیات کی ایک چھوٹی سی تعداد کو منتخب کیا. اندازوں کا حساب لگانے کے لئے والگورزم علامات کے مختلف سیٹ کی بنیاد پر تعمیر، اور ہر فرد کے لئے ان کی قربت تقریب تعمیر.

اختتام

ریاضی کے حساب اکثر ان کی اپنی مخصوص خصوصیات، فوائد اور نقصانات ہیں کہ تکنیک کی ایک قسم کے استعمال میں شامل. دیکھے گئے قریب ترین پڑوسی کے طریقہ کار کی وجہ سے ریاضیاتی اشیاء کی خصوصیات کو کافی سنگین مسئلے کو حل کر سکتے ہیں. تجرباتی تصور، تجزیہ کے طریقہ کار پر مبنی فعال طور پر مصنوعی ذہانت میں استعمال کیا جا رہا ہے.

ماہرین کے نظام میں یہ صرف اشیاء کی درجہ بندی کرنے نہیں، بلکہ صارف سوال میں درجہ بندی کی وضاحت دکھانے کے لئے ضروری ہے. اس طریقے میں، اس رجحان کی وضاحت کے کسی خاص طبقے کے اعتراض کے طور پر اچھی طرح سے کے طور پر استعمال نمونے کو اس کی جگہ رشتہ دار کے سلسلے میں اظہار کر رہے ہیں. قانونی صنعت کے ماہرین، ارضیات، ڈاکٹروں، اس "نظیر" منطق فعال طور پر ان کی تحقیق میں اس کا استعمال نہیں لے.

واسطے طریقہ سب سے زیادہ قابل اعتماد، ہنر، مطلوبہ نتائج دے، آپ، ایک کم از کم کے اعداد و شمار K لے ضروری بھی تجزیہ اشیاء کے درمیان اخراج سے بچنے جبکہ تجزیہ کیا جائے. یہی وجہ ہے کہ معیار کے استعمال اور انتخاب کے طریقہ کار، کے ساتھ ساتھ اصلاح کی پیمائش کے معیار.