KNN पद्धतीमध्ये Categorial Variables मधील अंतर मोजण्यास कोणत्या पद्धती वापरली जातात ? अ) हॅमींग डीस्टन्स (Hamming Distance) ब) युक्लीडीयन डीस्टन्स (Euclidean Distance) क) मॅनहटन डीस्टन्स (Manhattan Distance) पर्यायी उत्तरे :
EN
In the KNN method, which metric is used to measure the distance between Categorical Variables?
a) Hamming Distance
b) Euclidean Distance
c) Manhattan Distance
Answer options:
योग्य उत्तर: पर्याय १ (अ / a - Hamming Distance)
स्पष्टीकरण:
•
KNN (K-Nearest Neighbors) अल्गोरिदम:
•
मशीन लर्निंगच्या KNN पद्धतीमध्ये नवीन डेटा पॉईंटचे शेजारील घटकांशी अंतर (Distance) मोजले जाते.
•
जेव्हा डेटा संख्यात्मक (Numerical) असतो, तेव्हा युक्लिडियन (Euclidean) किंवा मॅनहॅटन (Manhattan) डिस्टन्स वापरले जाते.
•
परंतु जेव्हा डेटा कॅटेगरीकल (Categorical Variables - वर्ग/प्रवर्ग स्वरूपातील) असतो, तेव्हा हॅमिंग डिस्टन्स (Hamming Distance - अ) चा वापर केला जातो.
•
हॅमिंग डिस्टन्स दोन नोंदींमधील भिन्न गुणांची (अक्षरांची) संख्या मोजून अचूक अंतर काढते.
MPSC परीक्षा टीप
परीक्षेसाठी महत्त्वपूर्ण संकल्पना व शॉर्टकट
KNN अल्गोरिदममध्ये कॅटेगरीकल व्हेरियबल्स (Categorical Variables) मधील अंतर मोजण्यासाठी Hamming Distance चा वापर केला जातो.
translate
English Explanation / स्पष्टीकरण:
Correct Answer: Option 1 (a / अ - Hamming Distance)
Explanation:
•
In the K-Nearest Neighbors (KNN) machine learning algorithm, finding the nearest neighbors requires computing a distance metric between data instances.
•
While continuous numerical attributes utilize Euclidean Distance or Manhattan Distance, Categorical Variables require Hamming Distance (Option a).
•
Hamming distance counts the number of corresponding positions where two categorical attribute vectors differ, providing a standardized distance metric.
MPSC EXAM TIP
High-Yield Exam Strategy Tip
For categorical variables in KNN classification, Hamming Distance is the standard distance calculation metric.