El algoritmo de k-vecinos más cercanos puede ser útil aquí.
El número K determinará la suavidad de la clasificación. A mayor K, más generalizados serán los resultados de la clasificación. En cuanto a la clase ‘Desconocido’, no hay una respuesta definitiva. En general, la mayoría simple se usa de los vecinos más cercanos a K, pero se puede establecer cualquier otra condición que determine cuánto debe dominar una clase sobre otra para tener un resultado válido. Si no domina esa cantidad, se puede clasificar como ‘Desconocido’.
Ejemplo:
- Cuando se ejecuta el ordenamiento rápido aleatorio, ¿cuántas llamadas se realizan al generador de números aleatorios en el peor de los casos? ¿Y también para el mejor caso?
- ¿Cuáles son las posibles amenazas para un algoritmo RSA y cuáles son sus contramedidas?
- ¿Por qué muchos elementos utilizados en la función objetivo de un algoritmo de aprendizaje asumen todas las características centradas en cero y tienen una varianza en el mismo orden?
- ¿Qué algoritmo posible utiliza WhatsApp para determinar los emoticonos utilizados recientemente?
- ¿Cómo podría encontrar la métrica correcta que se utilizará para los vecinos más cercanos u otros algoritmos basados en similitudes?
(Usando 3 vecinos más cercanos por distancia euclidiana y mayoría simple)
primeros datos de la primera entrada de muestra:
Entradas: 95 y 125
a) Distancia desde (infectado) 90 y 120 = sqrt ((95-90) ^ 2 + (125-120) ^ 2) = 7.071
b) Distancia desde (no infectados) 90 y 150 = 25.49
c) Distancia desde (infectado) 100 y 140 = 15.81
d) Distancia desde (no infectados) 80 y 130 = 15.81
De los 3 vecinos más cercanos (a, cyd), 2 de ellos están ‘infectados’ y solo uno está ‘no infectado’. Por lo tanto, clasificamos la muestra como ‘Infectada’.
NB: a menudo se enseña en la introducción. a cursos de aprendizaje automático. Puede autocodificarse muy rápidamente y definitivamente no requiere ninguna API de Machine Learning. Se pueden usar otros métodos de agrupación avanzados o árboles de decisión, pero eso podría implicar un poco más de codificación.