складність 2/5
KNN
Класифікує нову точку, дивлячись на k найближчих навчальних прикладів і беручи їхнє голосування більшістю, — модель, що зберігає дані замість того, щоб на них навчатися.
Інтуїція
Спитайте сусідів. Щоб класифікувати щось нове, знайдіть k найближчих до нього навчальних прикладів і дайте їм проголосувати.
Тут немає етапу підгонки, вартого назви, — модель і є навчальним набором: «тут навіть немає справжнього етапу навчання чи процесу вивчення» [1, §5.7.3]. Це робить KNN найяснішою ілюстрацією непараметричного методу: він нічого не припускає про форму межі, тож «часто успішний у задачах класифікації, де межа рішення дуже нерегулярна» [3, §1.6].
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
Джерела
- Deep Learning (2016)book · звірено 2026-10-07https://www.deeplearningbook.org/contents/ml.html
- scikit-learn — KNeighborsClassifierdocs · звірено 2026-08-31https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html
- scikit-learn user guide — Nearest Neighborsdocs · звірено 2026-10-07https://scikit-learn.org/stable/modules/neighbors.html
- scikit-learn — KNNImputerdocs · звірено 2026-10-07https://scikit-learn.org/stable/modules/generated/sklearn.impute.KNNImputer.html