k-NN (k-أقرب الجيران)

K-NN (K-Nearest Neighbors) هي خوارزمية تُستخدم في التعلم الخاضع للإشراف في مجال التعلم الآلي. إنه شكل غير معلمي من التعلم الخاضع للإشراف والذي، بدلاً من وضع افتراضات حول البيانات، يعتمد على التشابه بين نقاط البيانات المصنفة. إخراج الخوارزمية هو تعيين فئة لنقطة البيانات المعنية.

غالبًا ما يتم استخدام K-NN لحل مشكلات التصنيف والانحدار حيث يمكن للخوارزميات التعلم وتحديد الأنماط في مجموعات البيانات. وهو يعمل عن طريق تحليل جميع نقاط البيانات في مجموعة البيانات وتعيين التسمية المناسبة أو القيمة الرقمية بناءً على نقاط البيانات الأقرب إلى العينة محل الاهتمام. تعتبر طريقة التصنيف هذه مفيدة في الحالات التي لا تكون فيها خصائص نقاط البيانات معروفة، حيث يمكن بعد ذلك قياس المسافة بين الملاحظات وإجراء تخمين مدروس فيما يتعلق بتصنيف الفئة.

يتم استخدام K-NN أيضًا في أنظمة التوصية للعديد من مواقع الويب. وهو يعمل من خلال تقييم أوجه التشابه بين الاختيارات السابقة لمستخدم معين مع مستخدمين آخرين لتقديم توصيات بشأن المنتجات التي قد يهتم بها المستخدم. وهذا يسمح للمواقع بتخصيص المنتجات والخدمات لتناسب اهتمامات المستخدم الفردية.

K-NN عبارة عن خوارزمية متعددة الاستخدامات ذات تطبيقات واسعة النطاق في مجالات مثل تحليل أسواق الأسهم والتعرف على الوجه ومنع الجريمة. نظرًا لأنه فعال للغاية وسهل الفهم، مما يجعله نقطة انطلاق جيدة لمقدمة للتعلم الآلي.