Glossário

K vizinhos mais próximos

O que é K vizinhos mais próximos?

Os K vizinhos mais próximos (k-NN) são um método simples de aprendizagem supervisionada. Para classificar um novo ponto de dados, procuram os k exemplos conhecidos mais semelhantes e adotam a sua classe mais frequente ou, no caso de valores numéricos, a sua média. Não precisa de uma fase de treino propriamente dita, mas torna-se lento com grandes conjuntos de dados e é sensível à forma como as características são escaladas. Exemplo: recomendações de produtos com base em clientes semelhantes.

Temas

Classificação
Aprendizagem supervisionada
Algoritmo

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

Classificador

Um classificador é um modelo ou método que atribui entradas a uma de várias categorias predefinidas. As variantes clássicas, como as árvores de decisão ou o naive Bayes, são treinadas com exemplos etiquetados; os modelos de linguagem também podem ordenar textos com base numa descrição das categorias. As utilizações típicas incluem a deteção de spam, a triagem de pedidos de clientes por tema e a categorização de recibos. A qualidade é medida com métricas como a exatidão, a precisão e a revocação.

Classificação
Aprendizagem automática
+1

Modelo

Agrupamento K-means

O K-means é um método de aprendizagem não supervisionada que divide pontos de dados num número k de grupos predefinido. Atribui cada ponto ao centro de grupo mais próximo e continua a deslocar esses centros até as atribuições quase não mudarem. O método é rápido e fácil de compreender, mas exige uma escolha sensata de k e características em escalas comparáveis. Exemplo: agrupar clientes por frequência de compra e valor do cesto.

Clustering
Aprendizagem não supervisionada
+1

Modelo

Aprendizagem supervisionada

Na aprendizagem supervisionada, um modelo aprende com exemplos cuja resposta correta já é conhecida, como e-mails etiquetados como «spam» ou «não spam». A partir deles, deduz regras para classificar casos novos e desconhecidos ou para prever valores. As tarefas típicas são a classificação e a regressão; a maior parte do esforço vai para a criação de dados corretamente etiquetados.

Aprendizagem automática
Training
+1

Vetor de embedding

Um vetor de embedding (embedding) é uma lista de números que representa o significado de uma palavra, frase ou documento, de modo que textos com conteúdo semelhante fiquem próximos uns dos outros. Isto permite reconhecer, por exemplo, que "rescisão" e "fim do contrato" estão relacionados, apesar de não partilharem palavras. Os embeddings estão na base de muitos sistemas de pesquisa semântica, serviços de recomendação e aplicações RAG; são calculados por modelos especificamente treinados.

vetor
pesquisa semântica
+1