Machine LearningPemulaFase D–FE4E6

K-NEAREST NEIGHBORS

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.

Example use case

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

Syllabus

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

Objectives

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

How It Works

·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.

Prerequisites

·Koordinat dan jarak antar titik

Real-World Uses

·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.

Complexity O(n * d)