Berikut adalah beberapa jenis metrik jarak yang umum digunakan dalam algoritma K-Nearest Neighbors (KNN):
1. Euclidean Distance: Ini adalah metrik jarak yang paling umum digunakan dalam KNN. Euclidean distance mengukur jarak garis lurus antara dua titik dalam ruang. Semakin kecil nilai Euclidean distance antara dua titik, semakin dekat kedua titik tersebut.
2. Manhattan Distance (City Block atau Taxicab Distance): Metrik ini mengukur jarak antara dua titik dengan jumlah perbedaan absolut di setiap dimensi. Dalam konteks KNN, ini berarti jarak yang harus ditempuh sepanjang jalur grid seperti di kota besar, di mana kita hanya dapat bergerak sepanjang jalur paralel sumbu koordinat.
3. Minkowski Distance: Ini adalah bentuk umum dari jarak yang digunakan dalam KNN, yang mencakup metrik Euclidean dan Manhattan sebagai kasus khusus ketika ( r = 2 ) dan ( r = 1 ) masing-masing. Minkowski distance dapat disesuaikan dengan mengubah nilai parameter (r).
Pemilihan metrik jarak yang tepat tergantung pada sifat data yang dihadapi dan tujuan dari aplikasi KNN tersebut.
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H
