« Algorithme des k plus proches voisins » : différence entre les versions
Aucun résumé des modifications |
m (Remplacement de texte : « ↵↵==Sources== » par « ==Sources== ») |
||
| (10 versions intermédiaires par 3 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
==Définition== | ==Définition== | ||
L'algorithme des k plus proches voisins est une méthode d'[[ | L'algorithme des k plus proches voisins est une méthode d'[[Apprentissage_supervis%C3%A9|apprentissage automatique supervisé]] utilisée pour la classification et la régression afin de classer une donnée en entrée dans la catégorie à laquelle appartiennent ses k plus proches voisins dans l'espace des attributs. | ||
==Compléments== | ==Compléments== | ||
L'algorithme des k plus proches voisins est un cas particulier d'un algorithme [[apprentissage à base de voisinage]]. | |||
<hr/> | |||
L’entraînement de l'algorithme des k plus proches voisins consiste à rassembler les données dans une structure de données facilitant le repérage des voisins. Le plus gros du calcul est réalisé au moment de la classification d’une nouvelle donnée localement avec des exemples voisins | |||
<hr/> | |||
Pour prédire l'étiquette associée à une donnée x (un point), la méthode des k plus proches voisins consiste à prendre en compte les k données voisines de x selon une métrique (c.-à-d. une mesure) de proximité basée sur les attributs associés à la donnée. Pour une étiquette catégorielle, l'étiquette de x sera celle de la majorité alors que pour une étiquette numérique ce sera généralement la moyenne. | |||
<hr/> | |||
L'algorithme des k plus proches voisins est non-paramétrique, c'est-à-dire que son nombre de paramètres n’est pas fixe, il est potentiellement infini et dépend de la quantité de données traitée. Aussi, le modèle n’est pas fixe et grossit avec la complexité des données. | L'algorithme des k plus proches voisins est non-paramétrique, c'est-à-dire que son nombre de paramètres n’est pas fixe, il est potentiellement infini et dépend de la quantité de données traitée. Aussi, le modèle n’est pas fixe et grossit avec la complexité des données. | ||
==Français== | ==Français== | ||
'''algorithme des k plus proches voisins''' | '''algorithme des k plus proches voisins''' | ||
'''algorithme des KPPV''' | |||
'''algorithme des k-PPV''' | |||
'''algorithme des plus proches voisins''' | |||
'''KPPV''' | '''KPPV''' | ||
'''k-PPV''' | '''k-PPV''' | ||
==Anglais== | ==Anglais== | ||
'''k-nearest-neighbors algorithm''' | '''k-nearest-neighbors algorithm''' | ||
'''k-NN''' | '''k-NN algorithm''' | ||
'''KNN''' | '''KNN algorithm''' | ||
'''nearest neighbors algorithm''' | '''nearest neighbors algorithm''' | ||
'''k-nearest neighbors''' | |||
'''k-nearest neighbours''' | |||
'''k-NN''' | |||
'''KNN''' | |||
==Sources== | |||
Source: Vincent, Pascal (2003). ''Modèles à noyaux à structure locale, thèse de doctorat'', Université de Montréal, 188 pages. | Source: Vincent, Pascal (2003). ''Modèles à noyaux à structure locale, thèse de doctorat'', Université de Montréal, 188 pages. | ||
[https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins Source: Wikipédia, ''Méthode des k plus proches voisins.''] | |||
Source: Mathieu-Dupas, Eve (2010). ''Algorithme des k plus proches voisins pondérés et application en diagnostic'', Actes des 42èmes Journées de Statistique, Marseille, France, 8 pages. | Source: Mathieu-Dupas, Eve (2010). ''Algorithme des k plus proches voisins pondérés et application en diagnostic'', Actes des 42èmes Journées de Statistique, Marseille, France, 8 pages. | ||
</small><br> {{Modèle:101}}<br> | |||
</small><br> | |||
[[Catégorie:Apprentissage automatique]] | [[Catégorie:Apprentissage automatique]] | ||
[[Catégorie:GRAND LEXIQUE FRANÇAIS]] | [[Catégorie:GRAND LEXIQUE FRANÇAIS]] | ||
[[Catégorie:101]] | [[Catégorie:101]] | ||
Dernière version du 30 août 2024 à 13:53
Définition
L'algorithme des k plus proches voisins est une méthode d'apprentissage automatique supervisé utilisée pour la classification et la régression afin de classer une donnée en entrée dans la catégorie à laquelle appartiennent ses k plus proches voisins dans l'espace des attributs.
Compléments
L'algorithme des k plus proches voisins est un cas particulier d'un algorithme apprentissage à base de voisinage.
L’entraînement de l'algorithme des k plus proches voisins consiste à rassembler les données dans une structure de données facilitant le repérage des voisins. Le plus gros du calcul est réalisé au moment de la classification d’une nouvelle donnée localement avec des exemples voisins
Pour prédire l'étiquette associée à une donnée x (un point), la méthode des k plus proches voisins consiste à prendre en compte les k données voisines de x selon une métrique (c.-à-d. une mesure) de proximité basée sur les attributs associés à la donnée. Pour une étiquette catégorielle, l'étiquette de x sera celle de la majorité alors que pour une étiquette numérique ce sera généralement la moyenne.
L'algorithme des k plus proches voisins est non-paramétrique, c'est-à-dire que son nombre de paramètres n’est pas fixe, il est potentiellement infini et dépend de la quantité de données traitée. Aussi, le modèle n’est pas fixe et grossit avec la complexité des données.
Français
algorithme des k plus proches voisins
algorithme des KPPV
algorithme des k-PPV
algorithme des plus proches voisins
KPPV
k-PPV
Anglais
k-nearest-neighbors algorithm
k-NN algorithm
KNN algorithm
nearest neighbors algorithm
k-nearest neighbors
k-nearest neighbours
k-NN
KNN
Sources
Source: Vincent, Pascal (2003). Modèles à noyaux à structure locale, thèse de doctorat, Université de Montréal, 188 pages.
Source: Wikipédia, Méthode des k plus proches voisins.
Source: Mathieu-Dupas, Eve (2010). Algorithme des k plus proches voisins pondérés et application en diagnostic, Actes des 42èmes Journées de Statistique, Marseille, France, 8 pages.
101 MOTS DE L' IA
Ce terme est sélectionné pour le livre « Les 101 mots de l'intelligence artificielle »
Contributeurs: Claude Coulombe, Jacques Barolet, Julie Roy, Patrick Drouin, wiki
