ผลต่างระหว่างรุ่นของ "ขั้นตอนวิธีการค้นหาเพื่อนบ้านใกล้สุด k ตัว"
เนื้อหาที่ลบ เนื้อหาที่เพิ่ม
Nullzerobot (คุย | ส่วนร่วม) ล โรบอต: แก้คำผิด |
Nullzerobot (คุย | ส่วนร่วม) ล เก็บกวาด |
||
บรรทัด 19:
'''ฟังชันก์ระยะทาง(Distance Function)'''
เป็นการคำนวณค่าระยะห่างระหว่างสองเรคคอร์ด เพื่อที่จะมาวัดความคล้ายคลึงกันของข้อมูล
'''ฟังก์ชันการแจกแจง(Combination Function)'''
บรรทัด 31:
== การคำนวณค่าฟังชันก์ระยะทาง(Distance Function) ==
*ใส่ค่าสัมบูรณ์(Absolute)ให้กับค่าระยะห่าง(Distance) : |A-B|
*ยกกำลังสองให้กับค่าระยะห่าง(Distance) : (A-B)2
*ทำการปรับให้เป็นค่ามาตรฐาน: |(A-mean)/(SD)-(B-mean)/(SD)|
บรรทัด 40:
== ตัวอย่าง ==
การใช้ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด
{|class="wikitable"
| Data || X1 || X2 || Y(Class)|| Distance|| Nearest Sign
|-
| D1 || 6 || 1 || + || 3.6 || +
|-
| D2 || 7 || 6 || + || 2.2 || +
|-
| D3 || 6 || 4 || - || 2 || -
|-
| D4 || 8 || 6 || - || 2 || -
|-
| D5 || 4 || 4 || - || 4 ||
|-
| D6 || 3 || 1 || + || 5.8 ||
|-
| D7 || 6 || 10 || - || 6.3 ||
|-
| D8 || 6 || 6 || + || 8 ||
|-
| D9 || 10 || 6 || - || 2.8 ||-
|-
| || || || || ||
|-
| || 3 || 3 || ? || ||
|-
| || K=5 || || || ||
|}
บรรทัด 76:
== ตัวอย่างการประยุกต์ใช้งาน ==
ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด ได้มีการนำไปใช้ประโยชน์ในหลากหลายด้าน ได้แก่
- การวิเคราะห์รูปแบบการบุกรุกเครือข่ายคอมพิวเตอร์ โดยขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด กล่าวคือ มีการประยุกต์ใช้ในการตรวจสอบความปลอดภัยในเครือข่ายระบบคอมพิวเตอร์ ซึ่งจะใช้ตัวแปร K ในการวิเคราะห์ข้อมูล และจำแนกประเภทของข้อมูลที่มีขนาดใหญ่ๆ ขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด สามารถใช้ในการวิเคราะห์ข้อมูลได้เป็นอย่างดี
บรรทัด 98:
== เพิ่มเติม ==
* http://www.scholarpedia.org/article/K-nearest_neighbor
* http://www.statsoft.com/textbook/k-nearest-neighbors/#distanceweighting
| |||