بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 27: k تا همسایه و امتحان منصفانه k Neighbours and a Fair Test

یک مثال با برچسب غلط، «نزدیک‌ترین همسایه» را گول می‌زند. اگر k همسایه‌ی نزدیک رأی بدهند، یک رأی خراب اثری ندارد. بعد مدل را منصفانه می‌سنجیم: روی نقاشی‌هایی که هیچ‌وقت ندیده.

در این جلسه یاد می‌گیری

درس

دوباره دفتر یادگیرنده. «نمونه‌های آماده» را بزن، بعد «یک نمونه‌ی خراب»: ضربدری که کسی اشتباهی اسمش را دایره گذاشته. حالا یک ضربدر شبیه آن بکش. اول حدس بزن: با k = 1 چه می‌گوید؟ بعد اسلایدر k را روی ۳ و ۵ بگذار. سبزها همسایه‌هایی هستند که رأی می‌دهند. کدام k گول نمی‌خورد؟ اگر k را ۷ کنی و فقط ۳ دایره داشته باشی چه؟

k تا همسایه (k-NN): فاصله‌ها را از کوچک به بزرگ مرتب کن (pairs.sort() لیست جفت‌های (فاصله, برچسب) را با فاصله مرتب می‌کند) و k تای اول را بردار. هر کدام یک رأی به برچسب خودش می‌دهد و برچسبی که بیشترین رأی را دارد برنده است. مثل وقتی که برای انتخاب بازی زنگ تفریح، به‌جای پرسیدن از یک نفر، از پنج نفر نظر می‌خواهی.

pairs = [(4, "cross"), (1, "circle"), (3, "cross")]
pairs.sort()
votes = {}
for d, label in pairs[:3]:
    votes[label] = votes.get(label, 0) + 1
print(votes)

votes.get(label, 0) یعنی «رأی‌های فعلی این برچسب، یا صفر اگر هنوز رأی ندارد». برای پیدا کردن برنده، از برچسب نزدیک‌ترین همسایه شروع کن و فقط اگر برچسبی رأی بیشتری داشت عوضش کن. این‌طوری در مساوی، نزدیک‌ترین برنده می‌شود.

دقت = تعداد جواب‌های درست ÷ تعداد کل. ۸ درست از ۱۰ یعنی ۸۰٪. ولی روی کدام نقاشی‌ها امتحان کنیم؟ اگر روی همان مثال‌های تمرین بسنجیم، نزدیک‌ترین همسایه‌ی هر کدام خودش است با فاصله‌ی صفر، پس همیشه ۱۰۰٪! این مثل این است که سؤال‌های امتحان را قبلاً با جواب دیده باشی. پس داده را دو قسمت می‌کنیم: تمرین (draw.examples()) و آزمون (draw.tests()) که مدل هیچ‌وقت ندیده.

right = 8
total = 10
print("accuracy:", right * 100 // total, "%")

⚠️ امتحان روی تمرین، تقلب است. وقتی کسی می‌گوید «مدل ما ۹۹٪ دقت دارد»، اولین سؤال این است: روی چه داده‌ای؟ اگر روی همان داده‌ای که با آن آموزش دیده، آن عدد هیچ معنایی ندارد. شرکت‌های واقعی هم گاهی (عمداً یا اشتباهی) همین کار را می‌کنند؛ تو حالا می‌دانی چه بپرسی.

در پروژه: جلسه‌ی بعد بازی «بکش، حدس بزنم» را می‌سازی: صفحه‌ی نقاشی با موس، ذخیره با برچسب، حدس با همین k-NN، «اشتباه کردی؟ یادم بده» و آخر دقت روی ده نقاشی دوستت. همه‌ی تکه‌هایش را همین دو جلسه ساختی!

مثال‌های این جلسه

چالش‌ها

  1. What Does Each k Say? (آسان)
  2. Count the Votes (آسان)
  3. k Neighbours Vote (متوسط)
  4. How Accurate? (متوسط)
  5. One Broken Example (سخت)
  6. The Cheating Test (سخت)

بیشتر بخوان

← جلسه‌ی 26: با مثال یاد بده جلسه‌ی 28: پروژه: بکش، حدس بزنم →