CodeBlanks Logo Icon CodeBlanks

Özet - KNN

Bu grupta KNN algoritmasını, K parametresini ve sınıflandırmayı öğrendin.

Özet: KNN

Bu grupta:

  • KNN, en yakın K örneğin çoğunluk oyuyla sınıflandırır; fit yalnızca veriyi saklar.
  • K küçükse aşırı, büyükse eksik öğrenme; K doğrulamayla seçilir, iki sınıfta tek sayı tercih edilir.
  • Öklid (varsayılan) ve Manhattan mesafeleri; metric parametresi.
  • kneighbors, predict_proba, weights="distance".
  • Mesafe tabanlı olduğu için ölçeklendirme şarttır.

Regresyon için aynı fikir KNeighborsRegressor'dadır: komşuların ortalaması alınır.

Uygulama En iyi K

K = 1, 3, 5, 7, 9 için Iris'te 5 katlı çapraz doğrulama ortalamasını hesapla (cross_val_score(..., cv=5).mean()). En iyi skoru veren K'yı yazdır.

Başlangıç kodu

model.py
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier

X, y = load_iris(return_X_y=True)

# buraya yaz

Örnek çözüm

model.py
from sklearn.datasets import load_iris
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier

X, y = load_iris(return_X_y=True)

skorlar = {}
for k in [1, 3, 5, 7, 9]:
    skorlar[k] = cross_val_score(KNeighborsClassifier(n_neighbors=k), X, y, cv=5).mean()
print(max(skorlar, key=skorlar.get))

Beklenen çıktı

7

Soru ve cevaplar

Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.

1 KNN ile çalışırken hangisi en önemli ön işlemdir?

  • Özellikleri ölçeklemek Doğru cevap
  • Etiketleri karıştırmak
  • Sütunları sıralamak
  • Gerekmez

Açıklama: Mesafeler tüm özelliklerin farklarından hesaplanır; birimler eşitlenmelidir.

2 Komşuları mesafeyle ağırlıklandır.

Soru
m = KNeighborsClassifier(n_neighbors=5, weights=____)
Cevap
m = KNeighborsClassifier(n_neighbors=5, weights="distance")

Açıklama: Varsayılan "uniform" her komşuya eşit oy verir.

3 Parametreleri eşleştir.

Kavram Anlamı
n_neighbors K değeri
metric Mesafe türü
weights Oy ağırlığı
KNeighborsRegressor Komşu ortalaması

Başlangıç bölümündeki tüm dersler