Mètudu prossimu, cchiù vicina: esempiu di u travagliu

lu mètudu prossimu, cchiù vicina hè la Discurso metrichi sèmplice chì hè basatu nantu a valutazione di i similàri di uggetti differente.

oggettu verra apparteni a la classi di ch'elli scrivenu suggetti di campionu di furmazione. Andemu scummigghiari chi è lu prossimu, cchiù vicina. Prova à capisce la mpurtanza cumplessa, li siquenti sunnu asempî di i tecnichi diversi.

mètudu ipotisi

mètudu prossimu sû pò esse cunsideratu cum'è u algutitimu più cumuna usatu pi classìfica. Oggettu sutta classìfica appartene à i y_i classi, a cui l 'uggettu chi què campionu x_i.

Cum'ella hè di i metudi di vicini sû

na lu mètudu prossimu sû pò migliurà i pricisioni di classìfica. oggettu verra appartene à u listessu classi cum'è u nordu di u so circondu, chi è, na vicina a lu uggetti di u x_i campionu verra. In risolviri prublemi incù dui classi di u numeru di vicini sarà strana a evitari una situazione di ambiguità, s'è u listessu numeru di vicini vi si scrivenu à bassa differente.

A tecnica di vicini suspesi

mètudu Postgresql-verra tsvector sû vicini veni usatu quandu u numeru di classi almenu trè, è vi pò micca aduprà un numaru strana. Ma ambiguità Nasci ancu in issi casi. Allora, l 'altru canta-di marzu si pisu w_i, chì decreases cù l' altru gradu i. Si tratta di i classi di l 'oggettu, chi vi hannu un pisu tutali di massima à mezu à chiudi vicinanti.

U ipotisi di compactness

À u cori di tutti di i metudi, sopra hè l 'ipotisi di compactness. It capiri 'na cunnissioni tra li misura di u similàri di uggetti e so quelle di u listessu gruppu. In issa situazioni, u confinu tra u sfarenti tippi hè una forma semplice, è di creà classi di oggetti in u spaziu fundute zona di i telefuni. Sutta sti lochi in analisi matimàtica pigliatu à dì un gruppu variance chjusu. Stu ipotisi ùn hè riguardanti la pircizzioni cutidianu di a parolla.

A fòrmula funnamintali

Andemu studià più vicinu cchiù vicina. Sè i furmazioni pruposta tipu campionu "oggettu-risposta» X ^ m francese = \ {(x_1, y_1), \ stain, (x_m, y_m) \}; se una pluralità di uggetti à definisce u luntanu funzione \ Rho (x, x '), chì hè figurata a forma di un mudellu mezi similàri di oggetti da fa crìsciri lu valuri di la funzioni decreases similàri trà uggetti x, x'.

Per ogni uggettu, u vi custruisce uggetti un campionu di furmazione x_i cun distanzi crisciuta à ua:

\ Rho (u, x_ {1; U}) \ leq \ Rho (u, x_ {2; U}) \ leq \ cdots \ leq \ Rho (u, x_ {m; U}),

induve x_ {I; U} carattirizza u campionu amparera ughjettu, chì hè canta-XX oggettu surghjente prossimu, u. Vergogna decimal è usu di rispondi à mi-marzu prossimu: y_ {I; U}. Cum'è un risultatu, avemu trovu chì ogni oggettu di u inghjenna renumbering so campionu.

Vulintà di u numeru Égypte di vicini

mètudu prossimu sû, quannu l '= 1 hè capace di sente una classìfica erroneous, micca solu nantu à e rùbbriche-emissions, ma dinù per altri corsi chì sò vicinu.

Sè noi pigghiari na = m, l 'algutitimu sarà comu la stadda e vi degenerate in un valori custanti. Chì hè per quessa reliability hè impurtante a evitari indices estremu na.

In pràtica, critère cum'è l 'accogliu température Égypte usatu u cuntrollu pliante.

emissions screenings

L'ughjetti di studiu sò largamente unequal, ma à mezu à tutti ci sò quelli chì sò e caratteristiche di una volta, è sò veni cunziddiratu comu lu mudellu. At oghje di u sughjettu di u mudellu unicu, di u so altu prubabilità di quelle di sta volta.

How rezultativen mètudu di vicini sû? Un esempiu pò esse vistu nant'à u fundamentu di categorie perifèricu e non-Informativ di uggetti. Hè capitu ambienti n'àuta dinzitati di l 'oggettu altri raprisintanti di sta volta. Quandu vi caccià li da i classìfica di Sampling a qualità ùn soffre.

Get in un certu numaru di analise pò bursts c'eranu chì sò "à a terra" di una volta. Toglie impattu cunsistenti pusitivu nantu à a qualità di i classìfica.

Sè u campionu pigliata da u uggetti bottu uninformative è eliminari, vi ponu cuntà nantu à una pochi di i risultati pusitivi à u listessu tempu.

A prima mètudu interpolation di u classìfica prossimu sû permette di migliurà a qualità, accurtà u tempu di dati cullucatu, accurtà u tempu di classìfica, chì hè passatu nantu à a scelta di u prossimu norme.

L'usu di ultra-Guru

mètudu prossimu, cchiù vicina hè basatu nantu à i veri a pruvista di uggetti amparera. À creà analise assai grande-scala cù un prublema tecnicu. U scopu ùn hè propriu à salvà una quantità impurtante di infurmazioni, ma ancu in u numeru minimu di tempu à me tempu à truvà un oggettu di u na à mezu à i vicinanti cchiù vicinu.

À risista cù stu compitu, sunnu usati dui mètudi:

• campionu thinned attraversu un uggetti purtata non-dati;
• diffusion struttura di dati spiciali usu è codici di ricerca mumentu di i vicini sû.

Regulamentu di i metudi di selezzione

A classìfica di supra era cunsideratu. mètudu prossimu, cchiù vicina hè usata in risolviri prublemi praticu, chì hè cunnisciuta in nanzu u luntanu funzione \ Rho (x, x '). In uggetti addiscriviennu vettori numeric utilizà un metrichi euclidea. Sta scelta ùn hà justificazzioni spiciali, ma hè u misura di tutti i segni "in u listessu scala." Sì stu puntu ùn hè pigliatu in contu, allura l 'metrichi vi predominate funzione hà più valori numeric.

Sè ci hè una quantità sustanziali di features, calculer la distanza comu la summa di l 'diviazzioni su sìntimi specifichi cumpariri seriu dimensione prublemu.

In altu u spaziu tridiminsiunali luntanu da unu altru hà tutte e rùbbriche. Infine, ogni campionu sarà dopu à l 'uggettu esse studiatu Égypte vicinanti. sceltu un picculu numeru di funziunalità Informativ a eliminari stu prublemu. Alguritmi di machine stimi di custruisce nantu à a basa di sfarenti gruppi di i segni, è per tutti li singuli custruisce a so funzione oghje.

cunchiusioni

calculi matemàtiche à spessu cuimmurciuti a usu di una varietà di e tecniche chi hannu a so crustula caratteristiche, vantaghji è Tu me. Affiché, lu mètudu prossimu sû pò scioglie truvà un seriu prublemu, a causa di lu tipu di uggetti matimatici. U cuncettu spirimintali, basatu supra lu mètudu verra hè esse attivu usatu in ntilliggenza artificiali.

In u sistema tercani hè nicissariu micca ghjustu di classify uggetti, ma dinù mostra lu me una spiegazione di u classìfica in quistione. In stu mètudu, una spiegazione di stu finominu hè spressu in rilazioni à l 'oggettu di un particulare di classi oltri u so locu parenti à u campionu usatu. Legal Specialists industria, giuloghi chì, duttori, piglià sta logica "Anterior" utilizà primura in a so ricerca.

In ordine per esse analizzatu mètudu hè u più accéder, efficace, à sente i risultati Bramati, vi tocca à piglià à u minimu figura Égypte, mentri dinù evitari emissions à mezu à l 'uggetti di verra. Chì hè per quessa l 'usu d' aducazzioni e l 'mètudu selection, oltri a la Métriquement uttimizzazzioni.