در این پست فیلم آموزش الگوریتم K نزدیکترین همسایه یا K همسایه نزدیک (KNN) قرار داده شده است. روش K نزدیکترین همسایه نزدیک K Nearest Neighbors یا (KNN) یک روش یادگیری موردی است و از جمله ساده‌ترین الگوریتم‌های یادگیری ماشین می‌باشد. در این الگوریتم یک نمونه با رای اکثریت از همسایه‌هایش دسته‌بندی می‌شود. K یک مقدار مثبت صحیح و عموماً کوچک است.
فرد بودن مقدار k مفید می‌باشد چون با این کار جلوی آراء برابر گرفته می‌شود. روش k همسایه نزدیک، برای بسیاری از روش‌ها کاربرد دارد، زیرا اثربخش، غیرپارامتریک و دارای پیاده‌سازی راحت می‌باشد. با این حال زمان دسته‌بندی‌اش طولانی است و یافتن مقدار k بهینه مشکل است.
مدرس: امین جلیل زاده رزین
کارشناس ارشد رشته مهندسی کامپیوتر — نرم افزار
امین جلیل زاده رزین از بنیانگذاران مجموعه آموزشی پی استور و مدرس دانشگاه فنی و حرفه ای هستند. ایشان علاوه بر پژوهش در حوزه های الگوریتم های ابتکاری، فرا ابتکاری، یادگیری ماشین، شبکه و پایگاه داده در زبان های برنامه نویسی متعدد، نظیر ++C، سی شارپ، PHP ،Java، متلب MATLAB و Python تسلط و سابقه تدریس فعال دارند.
مراحل آموزش K همسایه نزدیک
مراحل آموزش الگوریتم KNN بسیار ساده است، این الگوریتم یک نمونه تستی را بر اساس k همسایه نزدیک دسته‌بندی می‌کند. نمونه‌های آموزشی به عنوان بردارهایی در فضای ویژگی چند بعدی مطرح می‌شوند. فضا به ناحیه‌هایی با نمونه‌های آموزشی تقسیم بندی می‌شود. یک نقطه در فضا به کلاسی تعلق می‌یابد که بیشترین نقاط آموزشی متعلق به آن کلاس در داخل نزدیکترین نمونه‌ی آموزشی به k در آن باشد.
معمولا فاصله‌ی اقلیدسی یا تشابه کوسینوسی در این روش استفاده می‌شود. در فاز دسته‌بندی K Nearest Neighbors، نمونه تستی به عنوان یک بردار در فضای ویژگی نمایش داده می‌شود و فاصله‌ی اقلیدسی یا تشابه کوسینوسی بردار تستی با کل بردارهای آموزشی محاسبه می‌شود و نزدیکترین نمونه‌ی آموزشی به k انتخاب می‌شود. سه فاکتور مهم در روش k همسایه‌ی نزدیک، به شرح زیر می‌باشد:
- معیار فاصله یا شباهت، برای پیداکردن k همسایه نزدیک استفاده می‌شود.
- K تعداد همسایه‌های نزدیک است.
- قانون تصمیم‌گیری برای تعیین (شناسایی) یک کلاس برای سند تستی از k همسایه نزدیک می‌باشد.
پیش نمایش 1
توجه: ممکن است که به خاطر سرعت پایین اینترنت، نمایش آنلاین با کیفیت پایین تر از کیفیت ویدئوی اصلی نمایش داده شوند. این ویدئو یک نسخه 8 دقیقه ای از آموزش می باشد.
مشخصات فیلم آموزشی
| نام اثر: | آموزش الگوریتم K نزدیکترین همسایه KNN |
|---|---|
| مدرس: | مهندس امین جلیل زاده |
| مدت زمان: | 24 دقیقه |
| زبان آموزش: | فارسی |
| نوع آموزش: | تئوری |
| حجم فایل: | 1 فایل با فرمت rar با حجم (28 مگابایت) |
| فرمت ویدئو: | MP4 با کیفیت متوسط |
پس از خرید این مجموعه آموزشی پاورپوینت + فیلم آموزشی در اختیار شما قرار خواهد گرفت.
درباره محصول
آموزش الگوریتم K نزدیکترین همسایه KNN عنوان محصولی است که در این پست به آن پرداخته شده است. در این آموزش به توضیح و تشریح کامل روش K همسایه نزدیک پرداخته شده و بصورت کامل توسط گروه پشتیبانی پی استور تست و بازبینی شده است. محصول دارای نشان تضمین کیفیت پی استور می باشد. برای دانلود محصول آن را خریداری کنید.
تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این محصول توسط پی استور تضمین شده و در صورت عدم رضایت از محصول، به انتخاب شما:
- ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
- و یا 80 درصد مبلغ پرداختی به حساب بانکی شما عودت داده می‌شود.
مباحث مرتبط با الگوریتم KNN
تاکنون 227 نفر این محصول را تهیه کرده اند و 6 نظر برای آن ثبت شده است.
programstore
نظرات و پیشنهادات خود را با ما در میان بگذارید.
نسیم
سلام . آموزش تون از لحاظ کامل بودن برای مثال knn بسیار عالی و بی نقص بود همچنین بسیار روان توضیح داده شده . از همه مهمتر قیمتش خیلی منصفانه هست ممنونم . خدا همراهتون. یاعلی
مهسا الدی
آموزش کامل بود مرسی از شما
نگار
آموزشتون خیلی کاربردی بود ممنون 🙏
Hossein
سلام
در پک آموزشتون کد مربوطه یا مثالی همراه با کد موجوده؟
داوود علیزاده
توضیحات مربوط به تئوری خیلی خوب بود و من کلا این مبحث رو فهمیدم ولی کاش نحوه پیاده سازی در متلب رو هم توی آموزش قرار می دادید.