Nearest-neighbor classifiers are bas

Nearest-neighbor classifiers are based on learning by analogy, that is, by comparing
a given test tuple with training tuples that are similar to it. The training tuples are
described by n attributes. Each tuple represents a point in an n-dimensional space. In
this way, all the training tuples are stored in an n-dimensional pattern space. When given
an unknown tuple, a k-nearest-neighbor classifier searches the pattern space for the k
training tuples that are closest to the unknown tuple. These k training tuples are the k
“nearest neighbors” of the unknown tuple.
Closeness

Kết quả (Việt) 1:

Gần nhất hàng xóm classifiers dựa trên học tập tương tự, có nghĩa là, bằng cách so sánhtuple được đưa ra thử nghiệm với tuples đào tạo tương tự như nó. Tuples đào tạoMô tả các thuộc tính n. Tuple từng đại diện cho một điểm trong một không gian n chiều. Ởbằng cách này, tất cả các đào tạo tuples được lưu trữ trong một không gian n chiều mô hình. Khi đưa ramột tuple không rõ, classifier k gần nhất hàng xóm tìm kiếm không gian mô hình cho các ktuples đào tạo gần gũi nhất với tuple không rõ. Những đào tạo k tuples là k"gần nhất láng giềng" của tuple không rõ.Gần gũi

Kết quả (Việt) 2:

Ers fi phân loại gần hàng xóm đều dựa vào việc học bằng cách tương tự, có nghĩa là, bằng cách so sánh
một bộ thử nghiệm được đưa ra với các tuple đào tạo tương tự như nó. Các bộ dữ liệu đào tạo được
mô tả bởi các thuộc tính n. Mỗi tuple đại diện cho một điểm trong không gian n-chiều. Trong
cách này, tất cả các bộ dữ liệu huấn luyện được lưu trữ trong một không gian mô hình n-chiều. Khi được
một tuple không rõ, một k-gần hàng xóm phân loại fi er tìm kiếm không gian mẫu cho k
tuples đào tạo mà gần gũi nhất với các tuple không rõ. Những bộ dữ liệu k đào tạo là k
"láng giềng gần nhất" của tuple chưa biết.
Sự gần gũi