Visualizing Nearest-Neighbor Learni

Visualizing Nearest-Neighbor Learning
Now let’s examine the classification boundaries created by the nearest-neighbor
method. Use the boundary visualizer’s Choose button to select the IBk classifier
(weka.classifiers.lazy.IBk) and plot its decision boundaries for the reduced iris
data.
OneR’s predictions are categorical: For each instance, they predict one of the
three classes. In contrast, IBk outputs probability estimates for each class, and the
boundary visualizer uses them to mix the colors red, green, and blue that correspond
to the three classes. IBk estimates class probabilities by looking at the set of k-nearest
neighbors of a test instance and counting the number in each class.
Exercise 17.3.5. With k = 1, which is the default value, it seems that the set of
k-nearest neighbors could have only one member and therefore the color will
always be pure red, green, or blue. Looking at the plot, this is indeed almost
always the case: There is no mixing of colors because one class gets a probability
of 1 and the others a probability of 0. Nevertheless, there is a small
area in the plot where two colors are in fact mixed. Explain this. (Hint:
Examine the data carefully using the Explorer interface’s Visualize panel.)
Exercise 17.3.6. Experiment with different values of k, say 5 and 10. Describe
what happens as k increases.

ผลลัพธ์ (ไทย) 1:

เรียนใกล้บ้าน visualizing
ตอนนี้ลองตรวจสอบขอบเขตการจัดประเภทโดยใกล้ใกล้เคียง
วิธีการ ใช้ปุ่มเลือกขอบของจอภาพเพื่อเลือก IBk classifier
(weka.classifiers.lazy.IBk) และลงจุดขอบเขตของการตัดสินใจสำหรับไอริสลด
ข้อมูล
คาดคะเนของ OneR จะแตก: สำหรับแต่ละอินสแตนซ์ พวกเขาทำนายหนึ่ง
สามชั้นเรียน ในทางตรงกันข้าม IBk แสดงผลประเมินความน่าเป็นสำหรับแต่ละคลาส และ
ขอบจอภาพใช้การผสมสีแดง สีเขียว และสีฟ้าที่ตรง
การเรียน 3 IBk ประเมินกิจกรรมชั้น โดยดูที่ชุดของ k ใกล้
บ้านของอินสแตนซ์การทดสอบและการนับตัวเลขในแต่ละคลาสบ
17.3.5 ออกกำลังกาย มี k = 1 ซึ่งเป็นค่าเริ่มต้น มันดูเหมือนว่าชุด
k ใกล้บ้านได้หนึ่งเดียว และดังนั้น สีจะ
เป็นสีแดงล้วน สีเขียว หรือสีฟ้า มองที่พล็อต นี้เป็นเกือบแน่นอน
สิ่ง: มีไม่ผสมสีเนื่องจากชั้นได้รับความน่าเป็น
1 และอื่น ๆ ความน่าเป็น 0 อย่างไรก็ตาม มีขนาดเล็ก
พื้นที่ในแปลงที่สองสีในความเป็นจริงผสมกัน อธิบายนี้ (คำใบ้:
ตรวจสอบข้อมูลอย่างระมัดระวังโดยใช้ Explorer อินเทอร์เฟซของ Visualize แผงนั้น)
ออกกำลังกาย 17.3.6 ทดลองใช้ค่า k ที่แตกต่าง พูด 5 และ 10 อธิบาย
สิ่งที่เกิดขึ้นเป็น k เพิ่ม

ผลลัพธ์ (ไทย) 2:

แสดงผลการเรียนรู้ที่ใกล้ที่สุดเพื่อนบ้าน-
ตอนนี้ขอตรวจสอบขอบเขตการจัดหมวดหมู่ที่สร้างขึ้นโดยเพื่อนบ้านที่ใกล้ที่สุดของ
วิธีการ ใช้ขอบเขตของ Visualizer ปุ่มเลือกเพื่อเลือกลักษณนาม IBK
(weka.classifiers.lazy.IBk) และพล็อตขอบเขตการตัดสินใจสำหรับม่านตาลด
ข้อมูล
การคาดการณ์Önerเป็นเด็ดขาด: สำหรับแต่ละตัวอย่างเช่นพวกเขาทำนายหนึ่งใน
สามชั้นเรียน ในทางตรงกันข้าม IBK ผลการประเมินความน่าจะเป็นสำหรับแต่ละชั้นเรียนและ
Visualizer เขตแดนใช้พวกเขาในการผสมสีสีแดงสีเขียวและสีฟ้าที่สอดคล้อง
กับสามชั้น IBK ประมาณการน่าจะเป็นชั้นเรียนโดยดูที่ชุดของ k-ใกล้
เพื่อนบ้านของตัวอย่างทดสอบและการนับจำนวนในแต่ละชั้นเรียน
17.3.5 การออกกำลังกาย กับ k = 1 ซึ่งเป็นค่าเริ่มต้นมันก็ดูเหมือนว่าชุดของ
เพื่อนบ้านที่ใกล้ที่สุด K-อาจมีเพียงสมาชิกคนหนึ่งและดังนั้นจึงสีจะ
เสมอจะบริสุทธิ์สีแดงสีเขียวหรือสีฟ้า มองไปที่พล็อตนี้เป็นจริงเกือบ
ทุกกรณีมีการผสมของสีเป็นเพราะไม่มีชั้นหนึ่งได้รับความน่าจะเป็น
ของที่ 1 และอื่น ๆ ที่น่าจะเป็นของ 0 แต่มีขนาดเล็ก.
พื้นที่ในการวางแผนที่สองสีที่อยู่ใน ความเป็นจริงผสม อธิบายนี้ (คำแนะนำ:
. ตรวจสอบข้อมูลอย่างละเอียดโดยใช้แผงแสดงภาพอินเตอร์เฟซที่สำรวจ)
การออกกำลังกาย 17.3.6 การทดสอบกับค่าที่แตกต่างกันของ k พูด 5 และ 10. อธิบาย
สิ่งที่เกิดขึ้นตามการเพิ่ม k

ผลลัพธ์ (ไทย) 3:

มองเพื่อนบ้านที่ใกล้ที่สุดการเรียนรู้
ตอนนี้เรามาศึกษาการจำแนกขอบเขตที่สร้างโดยวิธีเพื่อนบ้าน
ที่ใกล้ที่สุด ใช้ขอบเขต Visualizer เลือกปุ่มเพื่อเลือก ibk ลักษณนาม
( Weka . ลักษณนาม ขี้เกียจ ibk ) และแปลงการตัดสินใจของขอบเขตเพื่อลดไอริส

เป็นข้อมูล การคาดการณ์โดยเด็ดขาด : สำหรับแต่ละอินสแตนซ์ พวกเขาทำนายหนึ่งของ
3 ชั้นเรียน ในทางตรงกันข้ามผล ibk ประมาณการความน่าจะเป็นสำหรับแต่ละชั้นและ
ขอบ Visualizer ใช้พวกเขาเพื่อผสมสี คือ สีแดง สีเขียว และสีฟ้าที่สอดคล้อง
ถึง 3 ชั้น ibk ประเมินระดับความน่าจะเป็นโดยดูที่ชุดละ
เพื่อนบ้านของการทดสอบตัวอย่างและการนับในแต่ละชั้นเรียน .
ออกกำลังกาย 17.3.5 . กับ k = 1 ซึ่งเป็นค่าปริยาย ดูเหมือนชุดของ
ละบ้านสามารถมีสมาชิกเพียงตัวเดียว และสีจะ
เสมอแท้ สีแดง สีเขียว หรือ สีฟ้า ดูจากพล็อตนี้ก็เกือบ
เสมอกรณี ไม่มีการผสมของสีเพราะห้องหนึ่งได้รับความน่าจะเป็น
1 และคนอื่น ๆ น่าจะเป็นของ 0 อย่างไรก็ตาม มีพื้นที่ขนาดเล็ก
ในแปลงที่ 2 สี ในความเป็นจริงผสม อธิบายนี้ ( คำใบ้ :
ศึกษาข้อมูลอย่างรอบคอบ ใช้ Explorer อินเตอร์เฟซของภาพแผง )
ออกกำลังกาย 17.3.6 . ทดลองกับค่าที่แตกต่างกันของ K , พูดได้ 5 และ 10 อธิบาย
เกิดอะไรขึ้น K เพิ่มขึ้น