مروری بر الگوریتم نزدیک ترین همسایگی K-

در این مقاله مروری بر الگوریتم نزدیک ترین همسایگی (KNN) K طریقه رای گیری بین همسایه های عدد K، چگونگی انتخاب مقدار عددی متغیر K و تشخیص بهترین مقدار برای این متغیر و همچنین نقاط قوت و نقاط ضعف آن داریم، در ادامه به کاربرد های این الگوریتم خواهیم پرداخت و برای فهم بهتر از فاصله نقاط و نحوه محاسبه انها، به معرفی انواع توابع فاصله از جمله ANHATAN,MINKOWSKI,EUCLIDEAN DISTANCE و فرمول های انها و همینطور مقادیری که متغیر های انها می گیرند و جواب را تغییر میدهند خواهیم پرداخت. همچنین نگاهی به کاربرد های این الگوریتم در سیاست، استخراج متن، کشاورزی، دارو، سیستم های بانکی و.... خواهیم داشت و کاربرد های این الگوریتم در بهبود عملکرد الگوریتم های تشخیص صدا، تشخیص چهره، تشخیص متن و تشخیص ویدئو را برسی خواهیم کرد

کلیدواژه ها:

الگوریتم نزدیک ترین همسایگی K- ، تابع فاصله منهتن ، تابع فاصله مینکوفسکی- ، تابع فاصله اقلیدسی K۰ ، نزدیک ترین مرز همسایه ، فضای ذخیره سازی و محاسبه توزیع شده