Пошук найближчого сусіда або векторний пошук техніка, яка використовується для пошуку найближчих точок даних до заданої точки запиту у великовимірному векторному просторі.
Індекс найближчого сусіда виражається як відношення спостережуваної середньої відстані до очікуваної середньої відстані. Очікувана відстань — це середня відстань між сусідами в гіпотетичному випадковому розподілі.
Скорочення від k-найближчих сусідів, плагін k-NN дозволяє користувачам шукати k-найближчих сусідів до точки запиту за індексом векторів. Щоб визначити сусідів, ви можете вказати простір (функцію відстані), який ви хочете використовувати для вимірювання відстані між точками.
Пошук k-найближчих сусідів визначає перші k найближчих сусідів для запиту. Ця техніка зазвичай використовується в прогнозній аналітиці для оцінки або класифікації точки на основі консенсусу її сусідів. k-графи найближчих сусідів — це графи, у яких кожна точка пов’язана з k найближчими сусідами.
Можна використовувати аналіз найближчого сусіда визначити, чи є зони групового землекористування в цій частині міста. Будинки були класифіковані за основним призначенням: роздрібна торгівля; фінансовий; Муніципальний; Приватне Інше; Житловий (Житловий) та Зелені насадження.
K-найближчі сусіди (KNN) – це тип алгоритму керованого навчання, який використовується як для регресії, так і для класифікації. KNN намагається передбачити правильний клас для тестових даних, обчислюючи відстань між тестовими даними та всіма точками навчання. Потім виберіть K кількість балів, яка є близькою до даних тесту.