taralino

NearestNeighbor

Klassifikationsprobleme zählen zu gängigen Aufgaben, die es beim maschinellen Lernen zu lösen gilt. Neben neuronalen Netzen ist die Nächste-Nachbarn-Klassifikation eine weitere (vergleichsweise einfache) Methode, um derartige Aufgaben zu lösen: Unter Verwendung von Trainingsdaten mit bekanntem Klassifikationsergebnis wird bei zu testenden Daten geprüft, welche Trainingsdaten in der Nähe liegen und welches Klassifikationsergebnis diese besitzen. Um genauer zu sein: Es werden die k nächsten Nachbarn untersucht, sodass die Methode häufig auch als k-Nearest-Neighbor-Algorithmus bezeichnet wird.

Darüber hinaus kann das Verfahren auch zur Nächste-Nachbarn-Bestimmung eingesetzt werden, um Ähnlichkeiten innerhalb von Datensätzen zu identifizieren. Dies führt (neben der Lösung von Klassifikationsaufgaben) zu weiteren interessanten Anwendungsfällen.

Übersicht

Das NearestNeighbor-Paket stellt folgende Funktionen zur Verfügung:

Beispiel

Zur Durchführung einer Nächste-Nachbarn-Klassifikation werden zunächst Trainingsdaten im dafür benötigten Format definiert. Anschließend wird die Klassifikation eines zu testenden Objekts durchgeführt, wobei Nachbarn untersucht werden.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

// Trainingsdaten mit bekanntem Klassifikationsergebnis
var X = [
  {input:[0.3, 0.2, 0.5], index:0},
  {input:[0.8, 0.4, 1.0], index:0},
  {input:[0.5, 1.0, 0.2], index:1},
  {input:[0.2, 0.3, 0.0], index:1}
];

// Zu testendes Objekt
var y = [0.3, 0.3, 0.3];

// Naechste-Nachbarn-Klassifikation
var t = NearestNeighbor.evaluate(X, y, 3);

// Ergebnis der Klassifikation
Console.print(t);

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Es werden Trainings- und Testdaten unter Verwendung des ClassificationData-Pakets erzeugt. Anhand dieser Daten wird eine Nächste-Nachbarn-Klassifikation durchgeführt.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var X = ClassificationData.get(400, {categories:5, shape:"mixed"});
var Y = ClassificationData.get(100, {categories:5, shape:"mixed"});
var k = 5;

var t = NearestNeighbor.test(X, Y, k);
Console.print("Korrekt klassifiziert: " + t + " von " + Y.length);

var c = NearestNeighbor.confusion_matrix(X, Y, k);
Console.digits(0);
Console.print("Konfusionsmatrix:");
Console.print(c);

</script>
</body>
</html>

Vorschau Download Kopie speichern