Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
3 Vecinos mas
Concha Bielza, Pedro Larranaga Departamento de Inteligencia Articial Universidad Politecnica de Madrid
Introduccin
K-NN (K-Nearest Neighbour) Un nuevo caso se va a clasicar en la clase ms frecuente a la que pertenecen sus K vecinos ms cercanos Idea muy simple e intuitiva Fcil implementacin No hay modelo explcito Case Based Reasoning (CBR)
Introduccin
X1 (x1 , c1 ) (xi , ci ) (xN , cN ) x 1
. . . ... ...
Xj x 1j
. . .
... ...
Xn x 1n
. . .
C c1
. . .
x11
. . .
i
. . .
xi1
. . .
...
xij
. . .
...
xin
. . .
ci
. . .
xN 1
... ...
xN j xN +1,j
... ...
xN n xN +1,n
cN
?
N + 1 xN +1,1
Para clasicar un caso exigo ciertas garantas Si no las tengo puedo dejar el caso sin clasicar Umbral prejado Mayora absoluta
Seleccionar un caso por clase (ej. el ms cercano al baricentro de la clase) Reduccin de la dimensin del chero almacenado de N a m Ejecutar un 1-NN a dicho chero reducido Efectividad condicionada a la homogeneidad dentro de las clases. A mayor homogeneidad ms efectivo
x1 x2 x3 x4 x5 x6
d(x, xr ) =
j =1
(xj xrj )2
d(x, xr ) =
j =1
wj (xj xrj )2
p(X2 ,C ) (0, 0) p(X2 ,C ) (0, 1) +p(X2 ,C ) (0, 1) log + pX2 (0) pC (0) pX2 (0) pC (1)
p(X2 ,C ) (1, 0) p(X2 ,C ) (1, 1) + p(X2 ,C ) (1, 1) log = p(X2 ,C ) (1, 0) log pX2 (1) pC (0) pX2 (1) pC (1)
1 5 5 1 1 5 5 1 log 6 12 6 + log 6 12 6 + log 6 12 6 + log 6 12 6 12 12 12 12 12 12 12 12 12 12 12 12
Seleccin de prototipos
Edicin de Wilson Condensacin de Hart
Edicin de Wilson
Someter a prueba a cada uno de los elementos del
que propone un clasicador K-NN obtenido con todos los casos excepto el mismo
Si ambas clases no coincidan, el caso es eliminado Edicin de Wilson repetitiva parando el procedimiento
Condensacin de Hart
Para cada caso, y siguiendo el orden en el que se
encuentran almacenados los casos en el chero, se construye un clasicador K-NN con tan slo los casos anteriores al caso en cuestin
Si el caso tiene un valor de la clase distinto al que le