Metrik tasniflash Metrik klassifikator (similarity-based classifier o‘xshashlikka asoslangan tasniflagich)

Vaziyatga asoslangan fikr yuritish

• 
  CBR paradigmasi, vaziyatga asoslangan fikrlash, sun'iy intellekt sohalaridan biri sifatida paydo bo'ldi. Ekspert tizimlarida nafaqat ob'ektlarni tasniflash, balki foydalanuvchiga taklif qilingan tasnif haqida tushuntirish berish ham muhimdir. Eng yaqin qo'shni usulida bunday tushuntirishlar juda asosli ko'rinadi: “u ob'ekti y sinfiga tayinlangan, chunki o'quv namunasining yaqin ob'ekti bir xil sinfga tegishli edi." Bunday "pretsedent" mantiqni ko'plab fanlar (tibbiyot, geologiya, huquqshunoslik) mutaxassislari yaxshi tushunadilar.
  

Eng yaqin qo'shni usuli
Eng yaqin qo'shni usuli - ob'ektlarning o'xshashligini baholashga asoslangan eng oddiy metrik klassifikator. Tasniflanayotgan ob'ekt unga eng yaqin bo'lgan o'quv majmuasi ob'ektlari tegishli bo'lgan sinfga tegishlidir, ya’ni bir sinfdadir.
eng oddiy eng yaqin qo'shni usuli:


Eng yaqin qo'shni usuli turlari

• 
  Eng yaqin qo'shni usuli, ehtimol, eng oddiy tasniflash algoritmidir. Tasniflangan ob'ekt x sinfiga tegishli bo'lib, u o'quv namunasining eng yaqin ob'ektiga tegishli.
  
• 
  k ta eng yaqin qo'shnilar usuli. Tasniflashning ishonchliligini oshirish uchun ob'ekt ko'pchilik qo'shnilari tegishli bo'lgan sinfga tegishli - o'quv namunasining eng yaqin k ob'ekti . Ikki sinfli masalalarda qo'shnilar soni toq bo'lib olinadi, shunda qo'shnilarning bir xil soni turli sinflarga tegishli bo'lganida noaniqlik holatlari bo'lmaydi.
  

Eng yaqin qo'shni usulining asosiy formulasi

• 
  "Ob'ekt-javob" juftlarining o'quv namunasi berilsin:
  

Ob'ektlar to'plamida p(x,x') masofa funksiyasi berilgan bo'lsin. Ushbu funktsiya ob'ekt o'xshashligining etarlicha adekvat modeli bo'lishi kerak. Bu funksiyaning qiymati qanchalik katta bo'lsa, x,x' ikkita ob'ektning o'xshashligi shunchalik kam bo'ladi.
Ixtiyoriy u ob'ekti uchun biz o'quv namunasi ob'ektlarini u gacha bo'lgan masofani oshirish tartibida joylashtiramiz:

Bu yerda u ob'ektning i-qo'shnisi bo'lgan o'quv namunasi ob'ektini bildiradi. Biz i-chi qo'shniga javob uchun shunga o'xshash belgini kiritamiz: . Shunday qilib, ixtiyoriy ob'ekt u o'zining namunaviy qayta raqamlashni yaratadi. Eng umumiy ko'rinishida, eng yaqin qo'shni algoritmi:

Bu yerda w(i,u) - u ob'ektni tasniflash uchun i-qo'shnining ahamiyatlilik darajasini baholovchi berilgan og'irlik funksiyasi. Bu funksiya manfiy emas va I dan ortib ketmaydi deb taxmin qilish tabiiydir.
Og'irlik funktsiyasini turli yo'llar bilan belgilash orqali eng yaqin qo'shnilar usulining turli xil versiyalarini olish mumkin:

-eng oddiy eng yaqin qo'shni usuli;

-k eng yaqin qo'shni usuli;

-k eksponensial og'irlikdagi eng yaqin qo'shnilar usuli, bu yerda q < 1 qabul qilinadi;

- h fiksirlangan kenglikdagi Parzen oyna usuli;

-O'zgaruvchan kenglikdagi Parzen oyna usuli;

-potentsial funktsiyalar usuli, bunda oynasining kengligi tasniflanayotgan ob'ektga emas, balki o'quv ob'ektiga bog'liq.
Bu yerda K(r) — tekislovchi yadroda berilgan manfiy bo‘lmagan monotonik o‘smaydigan funksiya.