User:Juniorsatanas666

k-algoritmo vizinho mais próximo

No reconhecimento de padrões, o algoritmo de vizinhança mais próxima (k-NN) é um método não-paramétrico usado para classificação e regressão. Em ambos os casos, a entrada consiste nos exemplos de treinamento mais próximos no espaço de recursos. A saída depende de se k-NN é usado para classificação ou regressão:

Na classificação k-NN, o resultado é uma associação de classe. Um objeto é classificado por maioria de seus vizinhos, sendo o objeto atribuído à classe mais comum entre seus vizinhos mais próximos (k é um número inteiro positivo, geralmente pequeno). Se k = 1, o objeto é simplesmente atribuído à classe desse vizinho mais próximo. Na regressão k-NN, a saída é o valor da propriedade para o objeto. Esse valor é a média dos valores dos seus vizinhos mais próximos. k-NN é um tipo de aprendizagem baseada em instâncias, ou aprendizado preguiçoso, onde a função é apenas aproximada localmente e a computação é diferida até a classificação. O algoritmo k-NN é um dos mais simples de todos os algoritmos de aprendizagem de máquinas.

Tanto para classificação quanto para regressão, uma técnica útil pode ser usada para atribuir peso às contribuições dos vizinhos, de modo que as mais próximas contribuam mais para a média do que as mais distantes. Por exemplo, um esquema de ponderação comum consiste em dar a cada vizinho um peso de 1 / d, onde é a distância para o vizinho.