O algoritmo k-Nearest Neighbors (KNN) baseia-se fundamental...

Próximas questões
Com base no mesmo assunto
Q3880234 Algoritmos e Estrutura de Dados
O algoritmo k-Nearest Neighbors (KNN) baseia-se fundamentalmente em calcular a distância entre o novo ponto e todos os pontos de dados do conjunto de treinamento. As medidas de distância do KNN definem quão “próximos” ou “semelhantes” dois pontos são no espaço de recursos. Analise a fórmula da distância de Minkowski

Q54.png (308×102)

Com relação a derivação da fórmula da distância de Minkowski, analise as afirmativas a seguir.

I. Se P = 2, a fórmula calculará a distância Euclidiana.
II. Se P = 1, a fórmula calculará a distância de Manhattan.
III. Se P = 0, a fórmula calculará a distância Hamming.

Está correto o que se afirma em
Alternativas

Comentários

Veja os comentários dos nossos alunos

Itens I e II Corretos, Apenas. a distância de Minkowski é uma generalização das distâncias Euclidiana e de Manhattan.

A distância de Hamming é definida como a quantidade de posições em que duas sequências possuem valores diferentes. Em termos simples, ela conta quantos "bits" ou caracteres você precisaria mudar para que uma sequência se tornasse idêntica à outra.

Por Exemplo:

Comparação de códigos binários resultantes de uma codificação de cores:

  • Código Azul:
  • Código Preto:

Comparação posição por posição:

  1. Posição 1: 1 vs 0 → Diferente
  2. Posição 2: 0 vs 0 → Igual
  3. Posição 3: 0 vs 1 → Diferente

Resultado: Como existem duas posições com valores distintos, a distância de Hamming é igual a 2.

Note que não existe relação matemática entre a distância de Hamming e a de Minkowski.

Ademais, por definição matemática, P deve ser diferente de 0, dado que 1/P resultaria em uma Indefinição Matemática, quando P = 0.

Clique para visualizar este comentário

Visualize os comentários desta questão clicando no botão abaixo