คำถามทดสอบเกี่ยวกับ KNN Algorithm
MATLAB BKK CENTER
1. KNN คืออะไร หนึ่งในวิธีที่เป็นที่นิยมของใช้กับปัญหา Classification ภายใต้ Supervised Machine learning
ดังนั้น KNN จึงมีความน่าสนใจ และเป็นรูปแบบการเรียนรู้แบบ Supervised learning and non-parametric algorithm ที่ใช้ในการแก้ปัญหา Classification และปัญหาของ Regression
2. ทำไม KNN จึงเป็น Non-parametric Algorithm?
คำว่า “ Non-parametric “ หมายถึงการไม่ตั้งสมมติฐานใดๆ เกี่ยวกับการกระจายข้อมูลพื้นฐาน ดังนั้นจึงไม่มีการกำหนดค่า Fixed ตัวเลขหรือค่าใดๆในโมเดล
3. KNN อัลกอริทึม ทำการ Prediction dataset ใหม่ได้อย่างไร (1/3)
ขั้นตอนที่ 1: คำนวณระยะทางของ ตัว Test ไปยังจุดทั้งหมดในชุด Training set และStore เก็บค่าไว้
ขั้นตอนที่ 2: จัดเรียงระยะทางที่คำนวณได้ตามลำดับที่เพิ่มขึ้น
ขั้นตอนที่ 3: จัดเก็บจุด K ที่ใกล้ที่สุดจากชุดข้อมูลการฝึกอบรมหรือ Training set ของเรา
ขั้นตอนที่ 4: คำนวณสัดส่วนแต่ละ Class
ขั้นตอนที่ 5: ทำการ Assign Class ที่มีสัดส่วนสูงที่สุด
4. การทำ Feature Scaling มีความจำเป็นสำหรับ KNN อัลกอริทึม หรือไม่
จำเป็นต้องมีการปรับขนาดคุณลักษณะเพื่อให้ได้ประสิทธิภาพที่ดีขึ้นของอัลกอริทึม KNN
ตัวอย่างเช่น ลองนึกภาพชุดข้อมูลที่มีจำนวนอินสแตนซ์ n รายการและคุณลักษณะจำนวน N มีคุณลักษณะหนึ่งที่มีค่าตั้งแต่ 0 ถึง 1 ในขณะเดียวกันก็มีคุณลักษณะที่แปรผันตั้งแต่ -999 ถึง 999 เมื่อค่าเหล่านี้ถูกแทนที่ในสูตรของ Euclidean Distance จะส่งผลต่อประสิทธิภาพโดยให้น้ำหนักที่มากขึ้นแก่ตัวแปร มีขนาดที่สูงกว่า
5. KNN อัลกอริทึมสามารถใช้แก้ปัญหาประเภท Regression ได้หรือไม่
ได้ KNN สามารถใช้แก้ปัญหาประเภท Regression ได้ กล่าวอีกนัยหนึ่ง สามารถใช้อัลกอริทึม KNN ได้เมื่อตัวแปรตามต่อเนื่อง สำหรับ Regression ค่าที่คาดการณ์ไว้จะได้รับจากค่าเฉลี่ยของค่าเพื่อนบ้านที่ใกล้ที่สุด k
6. เหตุใดจึงไม่แนะนำให้ใช้ KNN Algorithm สำหรับชุดข้อมูลขนาดใหญ่
ปัญหาในการประมวลผลข้อมูล
KNN ทำงานได้ดีกับชุดข้อมูลขนาดเล็ก
จำเป็นต้องจัดเก็บข้อมูลทั้งหมดแล้วตัดสินใจในเวลาทำงานเท่านั้น รวมถึงการคำนวณระยะทางสำหรับจุดที่กำหนดกับจุดอื่นๆ ทั้งหมด ดังนั้นหากชุดข้อมูลมีขนาดใหญ่ จะมีการประมวลผลจำนวนมากซึ่งอาจส่งผลเสียต่อประสิทธิภาพของอัลกอริธึม
เราสามารถติดตามหรือหากมีความสนใจ สามารถลงทะเบียนได้ใน Course Data Science Roadmap ซึ่งอบรมออนไลน์ 8 สัปดาห์ เรียนว่าเจาะลึกพร้อมตัวอย่างการประยุกต์ใช้ สามารถติดต่อสอบถามไปทาง Admin Facebook Page :(20) Matlab bkk center | Facebook
สามารถติดตามเนื้อหาความรู้ต่างๆ โดยเฉพาะการใช้ประยุกต์ใช้กับโปรแกรม Matlab ได้ที่ Facebook Page :(20) Matlab bkk center | Facebook
Machine Learning for #Predictive #Maintenance Course
NEURAL NETWORK AND DEEP LEARNING COMPLETE COURSE :
ใครอยากเรียนรู้จากตัวอย่างการ Apply จาก #ProjectMachinelearning ต้องไม่พลาด
#Matlab Code ร่วมแชร์ความรู้ สาระผ่านกลุ่ม ->
(กลุ่ม Facebook Matlab Bkk AI & Data science & Other Classroom)>
https://web.facebook.com/groups/403881684322230/