Simulic
Bahasa Indonesia

Klasifikasi k-tetangga terdekat (k-NN): sebuah gagasan dari pembelajaran mesin

InformatikaData, AI, dan pembelajaran mesinUsia 17–18

Simulic.comMemuat…

Gunakan di kelas saya

Data latih berupa dua kelas titik pada bidang yang ditentukan oleh dua fitur. Siswa menyeret titik baru (bintang) ke posisi mana pun: komputer mencari k tetangga terdekatnya, menghitung suara tiap kelas, dan memberi label pada titik baru; latar berarsir menunjukkan batas keputusan model. Tambahkan titik latih dengan mengeklik, dan ubah k untuk melihat model menjadi lebih tajam atau lebih halus.

Pelajaran: Pengenalan pembelajaran mesin: masalah klasifikasi, data latih, algoritma k-tetangga terdekat

Yang ditunjukkan

k-tetangga terdekat adalah salah satu algoritme pembelajaran mesin terawasi yang paling sederhana. Contoh latih berlabel digambarkan menurut dua fitur, misalnya massa dan rasa manis jeruk dan jeruk bali. Untuk mengklasifikasikan titik baru, algoritme mengukur jarak garis lurus (Euklides) ke setiap titik latih, mengambil k titik terdekat, lalu meminta mereka memberi suara; jika seri, tetangga paling dekat yang menentukan. Dengan k kecil, batas keputusan bergerigi dan mengikuti titik yang menyimpang; dengan k lebih besar, batasnya lebih mulus. Jika kedua kelas tumpang tindih, sebagian kesalahan tidak dapat dihindari.

Cara menggunakan

Pilih Masalah dan mulai dengan k = 1 serta Arsir daerah keputusan aktif. Seret bintang ke berbagai area dan baca hasil suaranya. Naikkan Jumlah tetangga k dan amati batas yang makin mulus, lalu naikkan Sebaran agar kedua kelas tumpang tindih. Gunakan Tambah titik kelas A atau Tambah titik kelas B untuk menaruh titik menyimpang dan lihat pengaruhnya pada k kecil dan besar. Tekan Data baru untuk menguji apakah kesimpulannya tetap berlaku.

Parameter yang dapat diubah

  • Jumlah tetangga k 1–15
  • Titik latih per kelas 5–40 titik
  • Sebaran (tumpang tindih kedua kelas) 1–5
  • Arsir daerah keputusan
  • Masalah Jeruk atau jeruk bali (massa, rasa manis), Dua spesies bunga (panjang, lebar kelopak), Email spam atau biasa (jumlah tautan, panjang)

Pertanyaan untuk dijelajahi

  1. Mengapa nilai k ganjil biasanya dipilih jika ada dua kelas?
  2. Seberapa yakin Anda pada prediksi untuk titik baru yang terletak di daerah tumpang tindih kedua kelas?
  3. Bagaimana satu titik latih yang salah label mengubah batas keputusan untuk k = 1 dan k = 7?

Simulasi terkait