Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

1 Sınıflandırma Modeli K-Nearest Neighbor Sınıflandırıcı /12.

Benzer bir sunumlar


... konulu sunumlar: "1 Sınıflandırma Modeli K-Nearest Neighbor Sınıflandırıcı /12."— Sunum transkripti:

1 1 Sınıflandırma Modeli K-Nearest Neighbor Sınıflandırıcı /12

2 2 K-Nearest Neighbor (K-En Yakın Komşu) Sınıflandırıcısı Benzerlik ile öğrenme: Bana arkadaşını söyle, sana kim olduğunu söyleyeyim (Tell me who your friends are and I’ll tell you who you are) “Sarı saçlı kız” ı yeni bir örnek olarak düşünelim. Mevcut sınıflar içerisinde kendisine en yakın özelliklere sahip olan sınıfa dahil olacaktır.

3 3 Sınıf: B A A B B B K-Nearest Neighbor Algoritması Gelen yeni bir örneğin (E) hangi sınıfta dahil olacağına karar verelim: Gelen yeni bir örneğin (E) hangi sınıfta dahil olacağına karar verelim: Yeni örnek E ‘ nin eğitim seti içerisinde yer alan bütün örnekler ile arasındaki uzaklığı (distance) hesaplanır Yeni örnek E ‘ nin eğitim seti içerisinde yer alan bütün örnekler ile arasındaki uzaklığı (distance) hesaplanır E için eğitim seti içerisindeki en yakın k örnek seçilir E için eğitim seti içerisindeki en yakın k örnek seçilir E, en yakın k komşusu arasında en fazla olan sınıfa atanır E, en yakın k komşusu arasında en fazla olan sınıfa atanır E ?

4 4 K-Nearest Neighbor Sınıflandırıcı K-Nearest Neighbor Sınıflandırıcı Her örnek nümerik değerlerden oluşan bir özellikler kümesi ile gösterilir Her örnek nümerik değerlerden oluşan bir özellikler kümesi ile gösterilir İki örnek arasındaki uzaklık Euclidean distance ile hesaplanır ve “Yakınlık” olarak adlandırılır İki örnek arasındaki uzaklık Euclidean distance ile hesaplanır ve “Yakınlık” olarak adlandırılır X ve Y arasındaki Euclidean distance X=(x 1, x 2, x 3,…x n ) ve X ve Y arasındaki Euclidean distance X=(x 1, x 2, x 3,…x n ) ve Y =(y 1,y 2, y 3,…y n ) ise: Y =(y 1,y 2, y 3,…y n ) ise: Distance (Mert, Ayla)=sqrt [(35-22) 2 +(35bin-50bin) 2 +(3-2) 2 ] Distance (Mert, Ayla)=sqrt [(35-22) 2 +(35bin-50bin) 2 +(3-2) 2 ] Mert: Yaş=35 Gelir=35bin Kredi kartı sayısı=3 Ayla: Yaş=22 Gelir=50bin Kredi kartı sayısı=2 Komşular arasındaki uzaklık

5 5 K-Nearest Neighbor: Öğrenme Tabanlı Örnek Model kurulmaz: Eğitim verisindeki bütün örnekler kullanılır Model kurulmaz: Eğitim verisindeki bütün örnekler kullanılır Gelen yeni bir örnek sınıflandırılıncaya kadar her türlü işlem bekletilir Gelen yeni bir örnek sınıflandırılıncaya kadar her türlü işlem bekletilir B /12 A A B B Sınıf: B

6 6 Örnek : 3-Nearest Neighbors K-Nearest Neighbor Sınıfladırıcı K-Nearest Neighbor SınıfladırıcıMüşteriYaşGelir Kredi kartı sayısı SınıfMert35 35bin 3A Ayla22 50bin 2B Gönül63 200bin 1A Ayhan59 170bin 1B Neslihan25 40bin 4B Erdal3745bin2?

7 7 Örnek K-Nearest Neighbor Sınıflandırıcı K-Nearest Neighbor SınıflandırıcıMüşteriYaşGelir (bin) (bin)K.K.sayıMert35353 Ayla22502 Gönül Ayhan Neslihan25404 Erdal37452SınıfA B A B B Erdal’dan uzaklık sqrt [(35-37) 2 +(35-45) 2 +(3-2) 2 ]=10.25 sqrt [(22-37) 2 +(50-45) 2 +(2-2) 2 ]=15.81 sqrt [(63-37) 2 +( ) 2 +(1-2) 2 ]= sqrt [(59-37) 2 +( ) 2 +(1-2) 2 ]= sqrt [(25-37) 2 +(40-45) 2 +(4-2) 2 ]=13.15 B

8 8 Sağlam ve Zayıf Yönler Sağlam: Uygulamak ve kullanmak basittir Uygulamak ve kullanmak basittir Anlaşılabilir – tahmini açıklamak kolaydır Anlaşılabilir – tahmini açıklamak kolaydır Gürültüye sahip veriler için sağlamdır Gürültüye sahip veriler için sağlamdır Zayıf: Bütün örneklerin saklanması için çok hafızaya ihtiyaç vardır Bütün örneklerin saklanması için çok hafızaya ihtiyaç vardır Yeni bir örneği sınıflandırmak çok zaman alır (gelen yeni bir örneğin diğer örneklerle mesafesinin hesaplanması ve karşılaştırılması) Yeni bir örneği sınıflandırmak çok zaman alır (gelen yeni bir örneğin diğer örneklerle mesafesinin hesaplanması ve karşılaştırılması) K-Nearest Neighbor Sınıflandırıcısı /12

9 9 Gelir>=50K H E KKsayısı > 3 HE Yaş >= 40 Sınıf=A EH Sınıf = B Sınıflandırma Ağaç Modeli K-Nearest Neighbors (K-Enyakın Komşuluk) K-Nearest Neighbor Sınıflandırıcı K-Nearest Neighbor Sınıflandırıcı A A B B B Sınıf: B

10 10 Distance (Mert, Ayla)=sqrt [(35-22) 2 +(150, ,000) 2 +(3-2) 2 ] Komşular arasındaki mesafeyi hesaplarken bazı özellikler baskın olmaktadır. Örneğimizde gelir özelliğinin olduğu gibi. Bu tip değerlerin normalize edilmesi önemlidir. Komşular arasındaki mesafeyi hesaplarken bazı özellikler baskın olmaktadır. Örneğimizde gelir özelliğinin olduğu gibi. Bu tip değerlerin normalize edilmesi önemlidir. Örnek: gelir Örnek: gelir yüksek gelir = 500bin Mert’in geliri 150/500, Ayla’nın geliri de 215/500 olarak normalize edilir K-Nearest Neighbor Sınıflandırıcı K-Nearest Neighbor Sınıflandırıcı Mert: yaş=35 gelir=150bin Kredi kartı sayısı=3 Ayla: yaş=22 gelir=215bin Kredi kartı sayısı=2 olsaydı

11 11 Değişkenlerin Normalize edilmesi MüşteriYaş Gelir (bin) KK sayısı Mert 35/63= /200= /4=0.75 Ayla22/63=0.3450/200=0.252/4=0.5 Gönül63/63=1200/200=1 1/4=0.25 Ayhan59/63= /200=0.85 Neslihan25/63=0.3940/200=0.24/4=1 Erdal37/63= /200=0.23 2/4=0.5SınıfA B A B B B K-Nearest Neighbor Sınıflandırıcı

12 12 Uzaklık (distance) normalde nümerik değerler kullanılarak hesaplanır Uzaklık (distance) normalde nümerik değerler kullanılarak hesaplanır D = sqrt [(35-37) 2 +(35-45) 2 +(3-2) 2 ]=10.25 D = sqrt [(35-37) 2 +(35-45) 2 +(3-2) 2 ]=10.25 Nominal bir özelliğe sahip olsak ? Örnek: evli MüşteriEvli Gelir (bin) KK sayısı Mertevet353 Aylahayır502 Gönülhayır2001 Ayhanevet1701 Neslihanhayır404 Erdalevet452 K-Nearest Neighbor Sınıflandırıcısı SınıfA B A B B / 12


"1 Sınıflandırma Modeli K-Nearest Neighbor Sınıflandırıcı /12." indir ppt

Benzer bir sunumlar


Google Reklamları