Classificação por k vizinhos mais próximos (k-NN): uma ideia do aprendizado de máquina
ComputaçãoDados, IA e aprendizado de máquinaIdades 17–18
Use com a sua turma: os alunos abrem por um link ou QR code, sem precisar de conta.
Continue em Dados, IA e aprendizado de máquina
Os dados de treinamento são duas classes de pontos num plano definido por duas características. Os alunos arrastam um ponto novo (a estrela) para qualquer posição: o computador encontra seus k vizinhos mais próximos, conta os votos de cada classe e dá um rótulo ao ponto novo; o fundo sombreado mostra a fronteira de decisão do modelo. Acrescente pontos de treinamento clicando e mude k para ver o modelo ficar mais recortado ou mais suave.
Aula: Introdução ao aprendizado de máquina: problemas de classificação, dados de treinamento, o algoritmo dos k vizinhos mais próximos
O que mostra
O k vizinhos mais próximos é um dos algoritmos mais simples de aprendizado de máquina supervisionado. Os exemplos de treinamento rotulados são representados por duas características, como massa e doçura de laranjas e toranjas. Para classificar um ponto novo, o algoritmo mede a distância em linha reta (euclidiana) até cada ponto de treinamento, pega os k mais próximos e os faz votar; um empate é decidido pelo vizinho mais próximo. Com k pequeno, a fronteira de decisão fica irregular e segue pontos ruidosos; com k maior, fica mais suave. Quando as classes se sobrepõem, alguns erros são inevitáveis.
Como usar
Escolha um Problema e comece com k = 1 e Sombrear a região de decisão ativado. Arraste a estrela para diferentes áreas e leia os votos. Aumente o Número de vizinhos k e veja a fronteira ficar mais suave; depois aumente a Dispersão para as classes se sobreporem. Use Pôr ponto da classe A ou Pôr ponto da classe B para colocar um ponto atípico e ver o efeito com k pequeno e grande. Clique em Novos dados para testar se as conclusões se mantêm.
Parâmetros que você pode mudar
- Número de vizinhos k 1–15
- Pontos de treinamento por classe 5–40 pontos
- Dispersão (sobreposição entre as duas classes) 1–5
- Sombrear a região de decisão
- Problema Laranja ou toranja (massa, doçura), Duas espécies de flor (comprimento e largura da pétala), E-mail de spam ou normal (número de links, tamanho)
Perguntas para explorar
- Por que normalmente se escolhe um valor ímpar de k quando há duas classes?
- Quanta confiança merece a previsão para um ponto novo colocado onde as duas classes se sobrepõem?
- Como um ponto de treinamento com rótulo errado muda a fronteira de decisão com k = 1 e com k = 7?
