K-nearest neighbour learners use al

K-nearest neighbour learners use a
likeness approach to prediction. That is, they look at
the instances most like the test case and usually have
some voting method by which the prediction is
chosen. The usual measure of likeness is Euclidean
distance as plotted on an n-dimensional graph where
each dimension is one of the supplied attributes.

ผลลัพธ์ (ไทย) 1:

K ใกล้เรียน neighbour ใช้เป็นวิธีการคล้ายการคาดเดา นั่นคือ พวกเขาดูอินสแตนซ์เช่นกรณีทดสอบมากที่สุด และมักจะบางวิธีลงคะแนนเสียงซึ่งเป็นการคาดเดาเลือก วัดคล้ายปกติเป็น Euclideanห่างจากที่พักลงจุดบนกราฟ n มิติที่แต่ละมิติเป็นแอตทริบิวต์ที่ระบุอย่างใดอย่างหนึ่ง

ผลลัพธ์ (ไทย) 2:

K-ใกล้เรียนเพื่อนบ้านใช้
วิธีการคล้ายคลึงกับการคาดการณ์ นั่นคือพวกเขามองไปที่
อินสแตนซ์มากที่สุดเช่นกรณีทดสอบและมักจะมี
วิธีการลงคะแนนบางส่วนโดยที่คาดการณ์จะ
ได้รับการแต่งตั้ง ตัวชี้วัดตามปกติของความคล้ายคลึงกันเป็นยุคลิด
ระยะเป็นกระดาษกราฟ n มิติที่
แต่ละมิติเป็นหนึ่งในคุณสมบัติที่ให้มาด้วย

ผลลัพธ์ (ไทย) 3:

ละเพื่อนบ้านผู้เรียนใช้
อุปมาวิธีการพยากรณ์ นั่นคือพวกเขามองที่กรณีส่วนใหญ่ชอบ

ในกรณีทดสอบและมักจะมีบางเสียงวิธีที่การทำนาย
เลือก มาตรการปกติของสิ่งอื่นระยะทางตามที่วางแผนในการใช้

n-dimensional กราฟที่เป็นหนึ่งในแต่ละมิติให้แอตทริบิวต์