Glosar

K-Nearest Neighbours (cei mai apropiați k vecini)

Ce este K-Nearest Neighbours (cei mai apropiați k vecini)?

K-nearest neighbours (k-NN) este o metodă simplă de învățare supervizată. Pentru a clasifica un punct de date nou, caută cele mai asemănătoare k exemple cunoscute și preia clasa lor cea mai frecventă sau, pentru valori numerice, media lor. Nu are nevoie de o fază reală de antrenare, dar devine lentă la seturi mari de date și este sensibilă la modul în care sunt scalate caracteristicile. Exemplu: recomandări de produse pe baza unor clienți similari.

Subiecte

Clasificare
învățare supervizată
algoritm

Încercați KI.ordo

Agenți, fluxuri și șabloane într-un singur spațiu de lucru – demo gratuit de 24 de ore.

Porniți demo-ul

← Toți termenii

Termeni înrudiți

Clasificator

Un clasificator este un model sau o metodă care atribuie intrările uneia dintre mai multe categorii predefinite. Variantele clasice, precum arborii de decizie sau naive Bayes, sunt antrenate pe exemple etichetate; modelele lingvistice pot sorta texte și pe baza unei descrieri a categoriilor. Utilizări tipice sunt detectarea spamului, sortarea solicitărilor clienților pe teme și categorisirea bonurilor. Calitatea se măsoară cu metrici precum acuratețea, precizia și recall-ul.

Clasificare
Învățare automată
+1

Șablon

Clusterizarea K-Means

K-means este o metodă de învățare nesupervizată care împarte punctele de date într-un număr k de grupuri stabilit în prealabil. Atribuie fiecare punct celui mai apropiat centru de grup și tot mută aceste centre până când atribuirile aproape că nu se mai schimbă. Metoda este rapidă și ușor de înțeles, dar necesită o alegere rezonabilă a lui k și caracteristici pe scări comparabile. Exemplu: gruparea clienților după frecvența achizițiilor și valoarea coșului.

Clustering
Învățare nesupervizată
+1

Șablon

Învățare supravegheată

În învățarea supravegheată, un model învață din exemple pentru care răspunsul corect este deja cunoscut, precum e-mailurile etichetate „spam” sau „nu este spam”. Din ele deduce reguli pentru a clasifica cazuri noi, nevăzute, sau pentru a prezice valori. Sarcinile tipice sunt clasificarea și regresia; cea mai mare parte a efortului constă în crearea unor date etichetate corect.

Învățare automată
Training
+1

Vector de embedding

Un vector de embedding (embedding) este o listă de numere care reprezintă sensul unui cuvânt, al unei propoziții sau al unui document, astfel încât textele cu conținut similar să se afle aproape unele de altele. Aceasta face posibil să se recunoască, de exemplu, că „reziliere” și „încetarea contractului” sunt înrudite, chiar dacă nu au cuvinte comune. Embedding-urile stau la baza multor sisteme de căutare semantică, servicii de recomandare și aplicații RAG; ele sunt calculate de modele special antrenate.

vector
căutare semantică
+1