K-NN.pptx
•Descargar como PPTX, PDF•
0 recomendaciones•3 vistas
El documento explica el algoritmo K-NN (K-vecinos más cercanos) para la clasificación de datos. K-NN asigna nuevos datos a la categoría a la que pertenecen la mayoría de sus K vecinos más cercanos, donde la cercanía se mide mediante la distancia euclidiana. El algoritmo implica elegir K, encontrar los K vecinos más cercanos, contar los vecinos en cada categoría, y asignar el nuevo dato a la categoría con más vecinos.
Más contenido relacionado
Último
Último (20)
Destacado
Destacado (20)
K-NN.pptx
- 1. © SuperDataScience Machine Learning A-Z Idea de K-NN
- 2. © SuperDataScience Machine Learning A-Z ¿Qué son los K-NN? Antes de K-NN Categoría 1 Categoría 2 x1 X2
- 3. © SuperDataScience Machine Learning A-Z ¿Qué son los K-NN? Nuevo dato Antes de K-NN Categoría 1 Categoría 2 x1 X2
- 4. © SuperDataScience Machine Learning A-Z ¿Qué son los K-NN? Después de K-NN Nuevo dato asignado a Categoría 1 K-NN Categoría 1 Categoría 2 x1 x2 Nuevo dato Antes de K-NN Categoría 1 Categoría 2 x1 X2
- 5. © SuperDataScience Machine Learning A-Z ¿Cómo lo hace? PASO 1: Elegir el número K de vecinos PASO 2: Tomar los K vecinos más cercanos del nuevo dato, según la distancia Euclídea PASO 3: Entre esos K vecinos, contar el número de puntos que pertenecen a cada categoría PASO 4: Asignar el nuevo dato a la categoría con más vecinos en ella Nuestro modelo está listo
- 6. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 1: Elegir el número K de vecinos: K = 5 Nuevo dato Categoría 1 Categoría 2 x1 x2
- 7. © SuperDataScience Machine Learning A-Z Distancia Euclidiana x y P1(x1,y1) P2(x2,y2) x2 x1 y2 y1 Distancia Euclidiana entre P1 y P2
- 8. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 2: Tomar los K = 5 vecinos más cercanos del nuevo dato, según la distancia Euclidiana Nuevo dato Categoría 1 Categoría 2 x1 x2
- 9. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 2: Tomar los K = 5 vecinos más cercanos del nuevo dato, según la distancia Euclidiana Nuevo dato Categoría 1 Categoría 2 x1 x2
- 10. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 3: De entre esos K vecinos, contar el número de puntos de cada categoría Nuevo dato Categoría 1 Categoría 2 x1 x2 Categoría 1: 3 vecinos Categoría 2: 2 vecinos
- 11. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 4: Asignar el nuevo dato a la categoría con más vecinos Nuevo dato Categoría 1 Categoría 2 x1 x2 Categoría 1: 3 vecinos Categoría 2: 2 vecinos
- 12. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 4: Asignar el nuevo dato a la categoría con más vecinos Nuevo dato Categoría 1 Categoría 2 x1 x2 Categoría 1: 3 vecinos Categoría 2: 2 vecinos
- 13. © SuperDataScience Machine Learning A-Z Algoritmo de los K-NN PASO 4: Asignar el nuevo dato a la categoría con más vecinos Nuevo dato Categoría 1 Categoría 2 Nuestro modelo está listo x1 x2 Categoría 1: 3 vecinos Categoría 2: 2 vecinos
Notas del editor
- Two categories of data points: Categoría 1 (red points) and Categoría 2 (green points)
- Nuevo dato => which Categoría does it belong to ?
- Nuevo dato => which Categoría does it belong to ?
- Choose the number K of neighbors => say that a good choice of this number K is 5, and it is the default number in most packages
- In the next PASO, we use the Euclidean distance to find the K nearest neighbors. So Kirill it's up to you if you want to remind our students how the Euclidean distance works so that they can understand the next PASO better.
- Majority vote !
- Majority vote !
- Majority vote !