최근접 이웃 탐색 oor Engels

최근접 이웃 탐색

Vertalings in die woordeboek Koreaans - Engels

nearest neighbor search

(as a form of proximity search (metric space)) optimization problem of finding the point in a given set that is closest (or most similar) to a given point

voorbeelde

최근접 이웃 탐색(영어: nearest neighbor search)은 가장 가까운 (또는 가장 근접한) 점을 찾기 위한 최적화 문제이다.
(1+ε)-approximate nearest neighbor search is a special case of the nearest neighbor search problem.

최근접 이웃 탐색의 가장 간단한 해법은 데이터베이스 안의 쿼리 포인트로부터 다른 모든 데이터 포인트까지의 거리를 일일이 계산하면서, 그 중 '가장 좋은 결과' 만을 기록하는 것이다.
The simplest solution to the NNS problem is to compute the distance from the query point to every other point in the database, keeping track of the "best so far".

많은 최근접 이웃 탐색 알고리즘들은 일반적으로 실제로 수행되는 거리 계산 횟수를 줄이는 방법을 찾는 방식으로 제안되어 왔다. k-NN은 매우 일관성 있는 결과를 도출한다.
Many nearest neighbor search algorithms have been proposed over the years; these generally seek to reduce the number of distance evaluations actually performed. k-NN has some strong consistency results.

엄밀하게, 최근접 이웃 탐색 문제는 다음과 같이 정의된다: 공간 M에서의 점들로 이루어진 집합 S 가 주어졌을 때, 쿼리점 q ∈ M 에 대해 S 안에서 가장 q와 가까운 점을 찾는다.
Formally, the nearest-neighbor (NN) search problem is defined as follows: given a set S of points in a space M and a query point q ∈ M, find the closest point in S to q.

이것은 물론 모든 점에 있어서 최근접 이웃 탐색을 실행하는 것으로 수행될 수 있지만, 더 효율적인 탐색을 이뤄내기 위해 이 N개의 쿼리의 불필요한 중복된 정보들을 이용(exploit)한 알고리즘이 개선된 전략(strategy)이 될 수 있다.
This could of course be achieved by running a nearest-neighbor search once for every point, but an improved strategy would be an algorithm that exploits the information redundancy between these N queries to produce a more efficient search.

K 최근접 이웃(K-NN)은 프로파일러와 모형 선택 도구를 포함하도록 JMP Pro 14에서 확장된 기능으로, K를 대화식으로 변경하여 다양한 모형 적합을 탐색할 수 있습니다.
The K-Nearest Neighbors (K-NN) feature is expanded in JMP Pro 14 to include a profiler and a model selection tool that lets you interactively change K to explore various model fits.