Machine LearningPemulaFase D–FE4E6

K-Nearest Neighbors (k-NN)

k-NN mengklasifikasikan titik baru dari k tetangga terdekatnya. Hitung jarak ke semua titik latih, ambil k yang paling dekat, lalu voting mayoritas kelas mereka menentukan label titik baru. Tidak ada tahap latih terpisah — semua kerja terjadi saat prediksi.

Contoh kasus

Rekomendasi sederhana: menandai sebuah film sebagai disukai atau tidak berdasarkan mayoritas dari beberapa film paling mirip yang sudah dinilai pengguna.

Silabus

Tentukan kelas sebuah data baru dengan voting mayoritas dari k tetangga terdekatnya.

Tujuan Belajar

·Memahami cara memberi label lewat kemiripan dengan data terdekat
·Menjelaskan peran jumlah tetangga k dalam pengambilan keputusan
·Menerapkan voting mayoritas untuk mengklasifikasi data baru

Cara Kerja

·Hitung jarak data baru ke semua data yang sudah punya label.
·Ambil k data yang jaraknya paling dekat.
·Lihat kelas mayoritas di antara k tetangga itu.
·Kelas terbanyak jadi label untuk data baru; tidak ada tahap latih terpisah.

Prasyarat

·Koordinat dan jarak antar titik

Contoh Nyata

·Rekomendasi film Netflix berdasarkan judul mirip yang sudah kamu suka.
·AI menandai satu lagu cocok atau tidak dari lagu-lagu termirip di riwayatmu.
·Filter foto yang menebak jenis objek dari gambar yang paling serupa.

Kompleksitas O(n * d)