เทคนิคเพื่อนบ้านใกล้ที่สุด (K-Neare

เทคนิคเพื่อนบ้านใกล้ที่สุด (K-Nearest Neighbors:K-NN) [3-5] เป็นอัลกอริทึ่มที่ใช้ในการจำแนกข้อมูลเพื่อระบุกลุ่มข้อมูล (หรือคลาส) ให้กับข้อมูลใหม่ที่ยังไม่ทราบกลุ่มได้ โดยการนำชุดข้อมูลตัวอย่างที่ประกอบไปด้วยข้อมูลคุณลักษณะ (features) และคลาส (Class) มาทำการแบ่งกลุ่มข้อมูลฝึกหัด (Training set) และกลุ่มข้อมูลทดสอบ (Test set) แล้วใช้ข้อมูลทดสอบนี้ในการประมวลผลการกำหนดกลุ่มด้วยอัลกอริทึ่ม K-NNเพื่อจำแนกคลาสให้กับกลุ่มข้อมูลทดสอบนั้น ซึ่งจะต้องกระทำซ้ำการแบ่งกลุ่มข้อมูลฝึกหัดและข้อมูลทดสอบ เพื่อหาค่า K ที่มีเปอร์เซนต์ความถูกต้องที่ดีที่สุดในการจำแนกคลาส ก่อนที่จะนำไปใช้ในการกำหนดกลุ่มให้กับข้อมูลใหม่ที่ยังไม่ทราบ

Results (English) 1:

Nearest neighbor technique (K-Nearest Neighbors: K-NN), [3-5] al-rhythm is used in taxonomy to specify data (or class) to the new information is still not known. The sample data set that consists of the data features (features) and class (Class) is the segmentation of information practices (Training set) and test (Test set), and then use this test in the data processing group with Al-rhythm. K-NN classification data to the test class with a group that will be done to duplicate groups practice and test data to determine the value of K that contains the correct percentage, the best in the class before it is used to define a new data that is not yet known.

Results (English) 2:

Technical nearest neighbors (K-Nearest Neighbors: K-NN) [3-5] is the algorithm used to classify data in order to identify the group (or class) to the new unknown group. By adopting a set of sample data, comprising data attributes (features) and class (Class) from the segment data training (Training set) and Test (Test set) and then use the data to test this process to determine the group. Algorithms K-NN to identify the class to a group of test data. This will be repeated practice of segmenting data and test data to determine the percentage K with the best accuracy in classification class. Prior to the adoption of provisions for the new data is not yet known.

Results (English) 3:

Nearest neighbor technique (K-Nearest Neighbors:K-NN) [] is 3-5 algorithm used in the classification data to identify the data group (or class) to the new information is still unknown group. The sample data set contains information attributes (features) and class (Class).(Training set) and the test data (Test set) and using the test data in the processing the group algorithms to fool. K-NN classified class to a group of test data. Which must be repeated classification practice and test data.K with the best accuracy in classification of class. Prior to use in determining the group with new information is still unknown.