À retenir
- Le k-voisinage regroupe les voisins les plus similaires ou géographiquement proches.
- Il dépend d'une mesure de distance (comme la distance à vol d'oiseau).
- C'est la base de l'algorithme k-NN, l'un des plus simples et efficaces en IA.
Le k-voisinage désigne l'ensemble des k éléments les plus proches d'un point donné dans un espace de données. Par exemple, si vous cherchez les 3 restaurants les plus proches de chez vous, ces 3 établissements constituent votre 3-voisinage.
Étymologie
Le terme se compose de la variable mathématique k (représentant un nombre entier choisi) et de voisinage, issu du latin vicinus. En informatique, il s'est popularisé avec l'algorithme des k-plus proches voisins (k-NN) utilisé en intelligence artificielle dès les années 1950.
Exemples d'usage
- Dans un site de streaming, le k-voisinage permet de trouver les 10 films les plus similaires à celui que vous venez de regarder pour vous proposer une recommandation.
- En cartographie, identifier les 5 antennes relais les plus proches d'un smartphone pour optimiser sa connexion.
Cas d'usage
Ce concept est central en apprentissage automatique (Machine Learning) pour classer des objets ou prédire des valeurs. On le retrouve aussi dans la gestion de bases de données géographiques, la reconnaissance de formes et les systèmes de recommandation.
Bonnes pratiques
Il est crucial de bien choisir la valeur de k : un chiffre trop petit rend l'analyse sensible aux erreurs (bruit), tandis qu'un chiffre trop grand risque de noyer les spécificités locales dans une masse trop globale. On utilise souvent un nombre impair pour éviter les égalités lors d'un vote de classification.
Synonymes
Antonymes
Conseil
Pour bien comprendre le k-voisinage, imaginez une carte : plus vous augmentez k, plus vous élargissez votre cercle de recherche pour inclure de nouveaux voisins. N'oubliez jamais de 'normaliser' vos données (les mettre sur une même échelle) pour que la distance soit calculée de manière équitable entre tous les critères.
Questions fréquentes
Comment définit-on la proximité ?
La proximité est calculée via une fonction de distance, le plus souvent la distance euclidienne (ligne droite), mais cela peut varier selon le type de données.
Pourquoi utilise-t-on souvent un k impair ?
En cas de vote pour classer un élément, un nombre impair permet d'avoir toujours une majorité nette et d'éviter les ex æquo.