KNN

Simplest Algorithm in AI | K- Nearest Neighbor ( KNN )

השיטה מבוססת איפה יש שכנים קרובים מודל מאוד פשוט ויעיל

KNN חיסרון לא מתאים לשימוש בספר מקרים למשל

שמאל IMBALANCED אין איזון בכמות הנקדות וצפיפות הנקודות

ימין OUTLIERS הנקודות האדומות רחוקות מקבוצת הנקדות האדמות – עדין יוצרות בלבול לאן שייכחת הנקוד ה החדשה הגייוני יותר שהיא שייכת לירוקה אבל בגלל הקרבה למקבץ של נקודות אדמות יתכן פרדקציה שגויה

יתרון מאוד פשוט , מאוד קל ללימוד , מאוד קל לפיתוח משוואה מאוד פשוטות

חיסרון זמן עיבוד תירך לחשב כל הנקדות בתוך מרחב המדגם לבדיקה K

Support Vector Machines

BIAS

LOW BIAS – גרם לתפקוד נמוך

GOOD BIAS – גרם לתפקדו טוב אבל לא מאוזן לשאר חברי הקבוצה

פתרון SOFT margin

עבור מידע של 3 ערכים

אפשר לראות דגם מודל זה לא מוצח מאוד ומתאים לחלק מן המקרים בלבד

אם מעל הערך טרידהולד נקבל 1 , פחות נקבל 0 – זה הכי פשוט

נשחק עם המקלים להתאמרת ה טרייד הולד

דוגמא

במקרה זה החלטרנוט ש THRESHOLD יהיה 8 – ככה החלטנו ….

אם יהיה מעל 8 נקנה , מתחת ל 8 לא נקנה

אם צבע כחול אז X1=1 , אחרת X1=0 ,משקל חשוב מאוד נתנו ל 7

אם שרוול ארוך אז X2=1 אחרת X2=0 , משקל חשוב מאוד נתנו ל 4

אם בד כותנה אז X3=1 אחרת X3=0 , משקל חשוב מאוד נתנו ל 2

ביאס BIAS

ראשית נבין מה זה STEP ACTIVATION FUNCTION

ויש גם זיגמאוד – שפותרת בעיה גדולה עם ה STEP FUNCRION – שקשה לשלוט כי אנחנו לא רוצים עלם של 1 או 0 או שחור ולבן בהליך הלמידה , זיגמאוד פוקנתיה רציפה וטטוח מעבר דינמי בין 0 ל 1 בצירך ה Y הפלט שלה קבלת נתונים מ אין סוף שלילי ל אין סוף חיובי