KNN คืออะไร? วิธีเพื่อนบ้านใกล้สุด k ตัว สำหรับมือใหม่
KNN (k-nearest neighbor) หรือวิธีเพื่อนบ้านใกล้สุด k ตัว เป็นวิธีการจำแนกที่ใช้ความคล้ายคลึงหรือความใกล้ชิดเป็นตัวตัดสิน เมื่อมีจุดใหม่เข้ามา จะดูว่าจุดที่อยู่ใกล้ที่สุด k จุดเป็นกลุ่มไหนมากที่สุด แล้วจัดจุดใหม่นั้นให้อยู่กลุ่มนั้น โดยไม่ต้องสร้างโมเดลแยกต่างหาก
ภาษาง่าย ๆ
สมมติมีมดสามสายพันธุ์ยืนกระจายอยู่บนระนาบ โดยสีบอกชนิดของมด เมื่อสุ่มตำแหน่งขึ้นมาหนึ่งจุด เราจะรู้ได้อย่างไรว่าจุดนั้นอยู่ในเขตของมดชนิดไหน KNN ตอบด้วยหลักการง่าย ๆ ว่า จุดที่อยู่ใกล้ชนิดไหนมากที่สุด ก็น่าจะเป็นเขตของชนิดนั้น
แนวคิดหลัก
KNN ยึดบนความเชื่อที่ว่า ข้อมูลที่คล้ายกันมักอยู่ใกล้กัน ต่างจากถดถอยโลจิสติกที่แบ่งพื้นที่ด้วยเส้นตรงเพียงอย่างเดียว KNN สามารถแบ่งเขตที่ซับซ้อนและคดเคี้ยวได้ เพราะตัดสินจากตำแหน่งจริงของจุดข้อมูล ไม่ได้ผูกกับรูปแบบเส้นตรง
KNN ทำงานอย่างไร
- คำนวณระยะทางจากจุดใหม่ไปยังจุดที่ทราบกลุ่มแล้วทุกจุด
- เรียงจุดตามระยะจากน้อยไปมาก
- เลือกจุดที่ใกล้ที่สุด k จุดแรก
- นับว่าใน k จุดนั้นกลุ่มไหนมีจำนวนมากกว่า แล้วกำหนดผลลัพธ์ตามกลุ่มนั้น
ในพื้นที่สองมิติ ระยะห่างระหว่างสองจุดคำนวณได้จากผลต่างกำลังสองของพิกัด:
[ d = \sqrt{(x_1-x_2)^2 + (y_1-y_2)^2} ]
ในการเปรียบเทียบไม่จำเป็นต้องถอดรากทุกครั้ง เพราะการเรียงลำดับจากระยะกำลังสองให้ผลเหมือนกัน
บทบาทของค่า k
ค่า k คือจำนวนเพื่อนบ้านที่ใช้ตัดสิน และเป็นสิ่งสำคัญที่ต้องเลือก
| ลักษณะค่า k | ผลที่เกิดขึ้น |
|---|---|
| k เล็ก | ไวต่อจุดรบกวนและค่าผิดปกติ เส้นแบ่งหยักมาก |
| k ใหญ่ | เส้นแบ่งเรียบขึ้น แต่รายละเอียดท้องถิ่นอาจหายไป |
| k เป็นเลขคี่ | ช่วยลดกรณีเสียงเท่ากันระหว่างสองกลุ่ม |
ค่าที่นิยมใช้บ่อยคือ 5 แต่ควรลองหลายค่าแล้วเปรียบเทียบกับชุดตรวจสอบแทนการคาดเดา
เป็นการเรียนรู้แบบขี้เกียจ
KNN ไม่มีขั้นตอนฝึกอบรมที่สร้างโมเดลชัดเจน มันเพียงเก็บข้อมูลที่มีฉลากไว้ แล้วทำการคำนวณทั้งหมดตอนที่มีคำถามเข้ามา จึงเรียกว่า lazy learning (การเรียนรู้แบบขี้เกียจ) ต้นทุนตอนเตรียมข้อมูลต่ำ แต่เมื่อข้อมูลมีจำนวนมาก การเปรียบเทียบระยะตอนทำนายอาจใช้เวลามากขึ้น
การวัดระยะรูปแบบอื่น
นอกจากระยะเส้นตรงแบบยูคลิเดียน ยังมีตัวเลือกอื่นตามลักษณะข้อมูล
| การวัดระยะ | จุดเด่น | เหมาะกับ |
|---|---|---|
| Euclidean | ระยะเส้นตรงที่คุ้นเคย | ข้อมูลที่ปรับมาตรฐานแล้ว |
| Manhattan | ผลรวมผลต่างรายมิติ | คุณลักษณะเชิงการนับ |
| Cosine | เทียบทิศทางของเวกเตอร์ | ข้อมูลข้อความและ embedding |
ข้อจำกัด
KNN เข้าใจและนำไปใช้ได้ง่าย และไม่สมมติรูปแบบการแจกแจงตายตัว แต่ต้องเก็บข้อมูลทั้งชุดไว้ และคุณลักษณะที่มีหน่วยต่างกันควรปรับมาตรฐานก่อน มิฉะนั้นคุณลักษณะที่มีค่ากว้างจะกินระยะและชี้นำผลลัพธ์ การเลือกค่า k และการวัดระยะจึงควรตรวจสอบกับข้อมูลจริง
FAQ
KNN คืออะไร สั้น ๆ?
วิธีจำแนกที่ดูเพื่อนบ้านใกล้สุด k จุด แล้วให้กลุ่มที่มีเสียงข้างมากเป็นคำตอบ โดยไม่ต้องสร้างโมเดลแยก
ค่า k ทำหน้าที่อะไร?
กำหนดจำนวนจุดที่ใช้โหวต ค่าน้อยไวต่อสัญญาณรบกวน ค่ามากทำให้เส้นแบ่งเรียบและนุ่มขึ้น
เหตุใด KNN จึงเหมาะกับเขตแบ่งที่ซับซ้อน?
เพราะตัดสินจากตำแหน่งจุดจริง ไม่ได้จำกัดว่าต้องแบ่งด้วยเส้นตรงเหมือนถดถอยโลจิสติก
KNN ต้องฝึกโมเดลหรือไม่?
ไม่มีขั้นฝึกที่ชัดเจน เป็นการเรียนรู้แบบขี้เกียจที่เก็บข้อมูลไว้แล้วคำนวณตอนทำนาย
สรุป
- KNN ใช้ความใกล้ชิดของเพื่อนบ้าน k จุดตัดสินกลุ่ม
- สามารถแบ่งเขตซับซ้อนที่เส้นตรงแบ่งไม่ได้
- เป็นการเรียนรู้แบบขี้เกียจและไม่แยกโมเดล
- ค่า k และการปรับมาตรฐานคุณลักษณะเป็นสิ่งที่ต้องตรวจสอบ
อ่านต่อ [machine learning คืออะไร](machine-learning-khue-arai) และ [supervised learning คืออะไร](supervised-learning-khue-arai)
หมายเหตุบรรณาธิการ: บทความนี้ผ่านการตรวจสอบข้ามแหล่งแล้วด้วยแหล่งอิสระสองแหล่งจากผู้เผยแพร่ต่างกัน (แหล่งภาษาไทยเดิมและ IBM Think) แต่ยังรอการตรวจทานจากเจ้าของภาษาก่อนเลื่อนสถานะเป็นทางการ
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free