نویسنده(های): سوریا مدولا
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
بیایید در مورد دو محبوب بحث کنیم ML الگوریتم ها، KNN ها و K-Means. بچسبید؛ من این را با بسته بندی متراکم خواهم ساخت.
PS من دارم یک چیز جدید را امتحان می کنم: من خودم تصاویر نمودارها و غیره را می کشم، بنابراین به چند تصویر زیبا نیز نگاه خواهیم کرد که به ما در درک مفهوم کمک می کنند.
بحث خواهیم کرد KNN هاکه به K-Nearest Neighbors و K-Means Clustering نیز معروف است. آنها هر دو هستند ML الگوریتم ها، و ما آنها را با جزئیات بیشتر بررسی خواهیم کرد.
K-Nearest Neighbors (KNN) یک الگوریتم ML نظارت شده برای طبقه بندی و رگرسیون است.
اصل: اینکه نقاط داده مشابه نزدیک به یکدیگر در فضای ویژگی قرار دارند.
Quick Primer: نظارت چیست؟ 💡”نظارت شده” به نوعی از یادگیری اشاره دارد که در آن الگوریتم با استفاده از داده های برچسب دار آموزش داده می شود. این بدان معناست که داده‌های ورودی با برچسب‌های خروجی مربوطه می‌آیند که مدل یاد می‌گیرد پیش‌بینی کند.
بنابراین، KNN ها یک الگوریتم نظارت شده ML است که ما برای طبقه بندی و رگرسیون، دو نوع یادگیری نظارت شده در ML استفاده می کنیم. بیایید نگاهی دقیق تر به آنها بیندازیم:
خط سیاهی که از نقاط داده عبور می کند، خط رگرسیون است که نشان دهنده … وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی
