k-NN (k-lähedaseimad naabrid)

K-NN (K-Lähimad naabrid) on masinõppe valdkonna juhendatud õppes kasutatav algoritm. See on juhendatud õppimise mitteparameetriline vorm, mis andmete kohta eelduste tegemise asemel põhineb klassifitseeritud andmepunktide sarnasusel. Algoritmi väljund on kõnealuse andmepunkti klassi määramine.

K-NN-i kasutatakse sageli klassifitseerimis- ja regressiooniprobleemide lahendamiseks, kus algoritmid saavad õppida ja tuvastada andmekogumites esinevaid mustreid. See toimib, analüüsides kõiki andmestiku andmepunkte ja määrates sobiva sildi või numbrilise väärtuse, mis põhineb huvipakkuvale valimile kõige lähemal asuvatel andmepunktidel. See klassifitseerimismeetod on abiks juhtudel, kui andmepunktide omadused ei ole teada, kuna siis on võimalik mõõta vaatluste vahelist kaugust ja teha haritud oletusi klassi sildi kohta.

K-NN-i kasutatakse ka paljude veebisaitide soovitussüsteemides. See toimib, hinnates antud kasutaja varasemate valikute sarnasusi teiste kasutajatega, et anda soovitusi selle kohta, millistest toodetest kasutaja võib huvi pakkuda. See võimaldab saitidel kohandada tooteid ja teenuseid vastavalt kasutaja individuaalsetele huvidele.

K-NN on mitmekülgne algoritm, millel on laialt levinud rakendused sellistes valdkondades nagu aktsiaturgude analüüs, näotuvastus ja kuritegevuse ennetamine. Kuna see on väga tõhus ja lihtsalt mõistetav, on see hea lähtepunkt masinõppe sissejuhatuseks.