কে-এনএন এর মতো স্থানীয় পদ্ধতিগুলি কিছু পরিস্থিতিতে বোঝায়।
একটি উদাহরণ যা আমি বিদ্যালয়ের কাজে করেছি তা সিমেন্টের উপাদানগুলির বিভিন্ন মিশ্রণের সংবেদনশীল শক্তি সম্পর্কে ভবিষ্যদ্বাণী করে। এই সমস্ত উপাদানগুলি প্রতিক্রিয়া বা একে অপরের প্রতি সম্মানজনকভাবে তুলনামূলকভাবে অস্থিতিশীল ছিল এবং কেএনএন এটির উপর নির্ভরযোগ্য ভবিষ্যদ্বাণী করেছিল। অন্য কথায় স্বতন্ত্র ভেরিয়েবলগুলির কোনওটিরই স্বতন্ত্রভাবে বা সম্ভবত পারস্পরিক মিথস্ক্রিয়া দ্বারা মডেলকে সম্মান জানাতে অস্বাভাবিক আকারে বড় বৈকল্পিক ছিল না।
এটিকে লবণের দানা দিয়ে নিন কারণ আমি এমন কোনও ডেটা তদন্তের কৌশল জানি না যা চূড়ান্তভাবে এটি দেখায় তবে স্বজ্ঞাতভাবে এটি যুক্তিসঙ্গত বলে মনে হয় যে আপনার বৈশিষ্ট্যগুলিতে যদি কিছু পরিমাণের বৈকল্পিক পরিমাণ থাকে তবে আমি জানি না কোন অনুপাত, আপনার কাছে কোনও পরিমাণ থাকতে পারে কেএনএন প্রার্থী। আমি অবশ্যই জানতে চাই যে এই বিষয়ে কিছু গবেষণা এবং ফলস্বরূপ কৌশলগুলি বিকশিত হয়েছিল কিনা।
আপনি যদি সাধারণ ডোমেনের দৃষ্টিকোণ থেকে এটি সম্পর্কে চিন্তা করেন তবে অ্যাপ্লিকেশনগুলির একটি বিস্তৃত শ্রেণি রয়েছে যেখানে অনুরূপ 'রেসিপি' একইরকম ফলাফল দেয়। এটি অবশ্যই মেশানো সিমেন্টের ফলাফল পূর্বাভাস দেওয়ার পরিস্থিতি বর্ণনা করে বলে মনে হয়েছিল। আমি বলব যদি আপনার কাছে এই বিবরণ অনুসারে আচরণ করে এমন ডেটা থাকে এবং আপনার দূরত্ব পরিমাপটি হাতে থাকা ডোমেনের পক্ষেও স্বাভাবিক ছিল এবং শেষ পর্যন্ত আপনার যথেষ্ট পরিমাণে ডেটা ছিল, আমি কল্পনা করব যে আপনাকে কেএনএন বা অন্য কোনও স্থানীয় পদ্ধতি থেকে কার্যকর ফলাফল পাওয়া উচিত should ।
আপনি স্থানীয় পদ্ধতিগুলি ব্যবহার করার সময় আপনি অত্যন্ত কম পক্ষপাতিত্বের সুবিধাও পাচ্ছেন। কখনও কখনও জেনারালাইজড অ্যাডিটিভ মডেল (জিএএম) কেএএনএন ব্যবহার করে প্রতিটি পৃথক ভেরিয়েবলকে ফিট করে ব্যালেন্স বায়াস এবং বৈকল্পিক যেমন:
y^=f1(x1)+f2(x2) + ⋯ +fn(xএন) + + Ε
চএন( এক্সএন)
আমি এত তাড়াতাড়ি কেএনএন লিখব না। এটির জায়গা আছে।