KNN은 학습이 필요 없나요?

별도의 가중치 학습 없이, 학습 데이터(train)에서 가장 가까운 K개 이웃의 라벨 다수결로 분류합니다. 쿼리 위치가 바뀌면 이웃과 예측도 즉시 바뀝니다.

K를 크게 하면 어떻게 되나요?

K가 작으면 경계가 울퉁불퉁하고 노이즈에 민감합니다. K가 크면 부드러운 경계가 되지만, 클래스가 섞인 영역에서는 잘못 분류하기 쉽습니다.

같은 2D 데이터라도 KNN은 거리와 다수결만 쓰고, 신경망 분류기는 역전파로 가중치를 학습합니다. 두 Playground를 나란히 보면 전통 ML과 딥러닝의 차이를 체감할 수 있습니다.

로딩 중…

플레이그라운드

학습 없이 가까운 K개 이웃의 다수결로 분류해 보세요! 신경망 분류기와 같은 K-데이터셋으로 전통 ML을 비교할 수 있습니다.

이웃 K거리수식 보기

설정 설명

캔버스를 클릭하면 쿼리(보라 테두리)가 이동하고, 가장 가까운 K개 이웃에 점선이 연결됩니다.

어떤 K-데이터셋으로 분류해 볼까요?

배경=KNN 결정 영역 · 점선=이웃 연결 · 클릭=쿼리 위치

캔버스를 클릭해 쿼리 위치를 바꾸고 이웃을 확인하세요

테스트 정확도

0.8167

쿼리 예측

음성 (−1)

K표 다수결

+1 / −4