YT YouTube2Text

YouTube2Text → Transcripts → What is K Nearest Neighbors? | KNN Explained in Hindi | Simple Overview in 1 Video | CampusX

What is K Nearest Neighbors? | KNN Explained in Hindi | Simple Overview in 1 Video | CampusX — Transcript

by CampusX · 4,978 words · 701 segments · language en · Watch on YouTube

Open in transcriber Summarize with AI Download SRT/VTT

Full transcript

0:00है गैस मी नाम इसे नीतीश और यू आर वेलकम
0:02तू मी युटुब चैनल सो हम डाटा साइंस
0:05मेंटरशिप प्रोग्राम में आगे बाढ़ रहे हैं
0:07और अब हम अपने दूसरे मशीन लर्निंग
0:09एल्गोरिथम की तरफ मूव कर रहे हैं हमने अभी
0:11तक लाइनर रिग्रेशन पड़ा काफी डिटेल में
0:13पढ़ा अब हम लोग के नियरेस्ट नेबर्स पढ़ने
0:15वाले हैं विच इस एन वेरी इंटरेस्टिंग मशीन
0:17लर्निंग एल्गोरिथम बहुत ही सिंपल बहुत ही
0:19एलिगेंट बहुत ही प्यार एन इस वीडियो में
0:21मैं आपको कनम पढ़ना वाला हूं डिटेल में
0:23कैनन का इंशन दूंगा आपको आ उसके पीछे
0:27कोर्ट रन करके दिखाऊंगा थोड़ा और डिस्कशन
0:30करेंगे अराउंड कन और ओवर फाइटिंग कैसे
0:32होता है अंदर फाइटिंग कैसे होता है और
0:34फेलियर केसेस क्या है कनम के जो सब कुछ हम
0:37लोग इस एक वीडियो में कर करेंगे इस वीडियो
0:39का डिस्क्रिप्शन जरूर चेक करना बिकॉज़ मैं
0:41आपको कुछ एडिशनल वीडियो प्रोवाइड करूंगा
0:43जैसे की लेट से आईएफ यू आर इंटरेस्टेड की
0:45आप केएन को स्क्रैच से कोड करना चाहते हो
0:47तो आई लिंक का सेशन ऑफ मी सेल्फ जहां पर
0:50मैंने स्क्रैप से कैनन बनाना सिखाया है
0:52i10 में अगर आप इंटरेस्टेड हो तो आप वो भी
0:54पढ़ सकते हो एल्डो इट्स नोट नेसेसरी बट
0:57इट्स टोटली डिपेंड्स ऑन यू और भी एक-दो
0:59वीडियो में वहां पे मैं करूंगा जो आपको
1:01थोड़ा और एडिशनल नॉलेज ठीक है तो लेट
1:05स्टार्ट डी वीडियो सो गाइज लेट स्टार्ट
1:06विद डी इंशन पार्ट ऑफ के नियरेस्ट नी ठीक
1:10है आ डी बेस्ट पार्ट अबाउट कैश नी
1:13अकॉर्डिंग तू मी एस की
1:16केनरास नी का जो लॉजिक है जी तरीके से वो
1:20कम करता है वो बहुत रियल वर्ल्ड बेस्ट है
1:23तो यहां पर मैंने एक को एड किया है आईएफ
1:29यू कैन सी आपके स्क्रीन पर
1:34वेरी फेमस
1:35एंटरप्रेन्योर कम मोटिवेशनल स्पीकर जिम
1:39रोन और में भी अपनी स्टेटमेंट सुना होगा
1:42पहले कभी यू आर डी एवरेज ऑफ डी फाइव पीपल
1:46यू स्पेंड डी मोस्ट टाइम विथ
1:49ठीक है
2:01और वन ऑफ डी मोस्ट एलिगेंट मशीन लर्निंग
2:04एल्गोरिथम अराउंड और इसको समझना में आपको
2:07ज्यादा परेशानी होगी नहीं ठीक है तो स्टेप
2:10बाय स्टेप्स को समझना की कोशिश करते हैं
2:12मां लो हमारे पास वही डाटा है जिसके साथ
2:16में हमेशा कोई भी एल्गोरिथम समझता हूं
2:19गपा इक और प्लेसमेंट हुआ या नहीं हुआ
2:24बच्चे का प्लेसमेंट हुआ या नहीं हुआ और वे
2:28हैव लेट से स्टूडेंट और डेट ऑफ अराउंड
2:48हमारा कम है एक म मॉडल बिल्ड करना जिसको
2:53जब हम यह डाटा दें तो वह हमारे लिए
2:57प्रिडिक्शन कर सके सो डेट अगर कोई नया
3:00स्टूडेंट आता है मुझे उसका इक और गपा पता
3:04चला है तो मैं प्रिडिक्शन कर पाऊं की उसका
3:07प्लेसमेंट होगा या नहीं होगा और हमने
3:11डिसाइड किया की हम इस प्रॉब्लम को कैनन
3:13उसे करके सॉल्व करेंगे ठीक है तो दिस इस
3:16डी सेटिंग अब मैं आपको समझता हूं की कनम
3:19इस प्रॉब्लम को कैसे सॉल्व करते हैं
3:20ज्योमेट्री के लिए ठीक है तो होता क्या है
3:24की मां लो आपके पास ये 2d डाटा है मतलब
3:28इनपुट में दे रहा तू कॉलम्स तो इसको हम
3:32लोग प्लॉट कर सकते हैं
3:40और यहां पर है
3:53ओके
3:54सो यहां पर दो कलर्स में मैंने सारे
3:57स्टूडेंट को दिनो कर रखा है लेट से ब्लू
4:00कलर डिनोट्स प्लेसमेंट हो जाना और पिंक
4:03कलर डिनोट्स प्लेसमेंट नहीं होना ठीक है
4:07प्रिंसिपल पर कम करते हैं की आप अपने नी
4:11की तरह होते हो ठीक है सो व्हाट यू डू इस
4:15केएन में यू स्टार्ट विद एन वैल्यू ऑफ के
4:18यू डिसाइड एन वैल्यू ऑफ केक
4:24का वैल्यू तो इसका मतलब यह हो रहा है की
4:28हम 3 नेरिस्ट
4:31नेबर्स
4:34को कंसीडर करने वाले ठीक है
5:16साड़ी डिस्टेंस निकलते हो जनरली आप
5:19यूक्रिड और डिस्टेंस निकलते हो बट इन
5:23सर्टेन केसेस कुछ और तरीके डिस्टेंस भी
5:25निकले जाते हैं जो हम लोग आगे एक वीडियो
5:28में डिस्कस करेंगे ठीक है बट अभी आप मां
5:30लो की हमने सारे प्वाइंट्स के साथ यूको
5:33लीडिंग डिस्टेंस कैलकुलेटर सो बेसिकली
5:34मैंने 100 डिस्टेंस कैलकुलेट किया 14 एच
5:39ट्रेनिंग पॉइंट ठीक है फिर मैं क्या
5:42करूंगा मैं उन सारे डिस्टेंस को सॉर्ट कर
5:45दूंगा
5:51सबसे जो क्लोजेस्ट
5:54पॉइंट
6:05सबसे क्लोज है
6:09तो अब आप क्या करते हो आप एक रूल अप्लाई
6:12करते हो जिसको बोला जाता है मेजॉरिटी
6:14अकाउंट
6:16मेजॉरिटी अकाउंट
6:18सो इट्स लाइक डेमोक्रेसी अब वोटिंग करवा
6:21रहे हो बेसिकली
6:25अपना क्लास बताओ उसने बोला वन आप इस वाले
6:29से पूछ रहे हो अपना क्लास बताओ उसने बोला
6:31वन आप इस वाले से पूछ लो अपना क्लास बताओ
6:34उसने बोला जीरो अब आप सिंपली देखोगे की
6:37मेजॉरिटी में कौन है वन मेजॉरिटी में है
6:39या जीरो मेजॉरिटी में है तो यू कैन सी
6:42आपका वन मेजॉरिटी में है तो आप सीधे-सीधे
6:46क्या बोलोगे की यह जो जिवन कोई पॉइंट है
6:48इसका भी जो क्लास लेबल होगा
6:51वह वन होगा
6:59की आप 5 मिनट में समझ सकते हो
7:22बहुत सारे
7:44और आप सिर्फ एक नया क्वेरी पॉइंट लेकर आते
7:48उसे कोई पॉइंट को भी आप एक वेक्टर की तरह
7:51ट्वीट करते और इस वेक्टर का डिस्टेंस बाकी
7:55सारे एक्टर्स के साथ निकलते सबसे
7:58क्लोजेस्ट वाले जो तीन वेक्टर होते आप
8:02उनको सिलेक्ट कर लेते और फिर आप उससे
8:05मेजॉरिटी काउंट लगाते
8:09और उससे आप डिसाइड करते थे क्लास लेबल
8:32के थ्रू देखें की कैनन कैसे कम करता है
8:42और आपने शायद और भी जगह पे इसको देखा होगा
9:04ब्रेस्ट कैंसर है या नहीं ठीक है तो मैंने
9:09नेट पर इंपोर्ट किया है हम इस डाटा सेट को
9:11उसे करेंगे उसे करके क्लासिफिकेशन करने के
9:13लिए इस डाटा सेट में दो कॉलम्स मुझे
9:16यूजफुल नहीं देखें एक है आईडी कलम और एक
9:19क्लास में है
9:22जिसमें कोई वालुज नहीं थी तो मैंने क्या
9:25किया मैंने इन दोनों को ड्रॉप कर दिया और
9:27राइट नो दिस इसे डी डाटा हैव डायग्नोसिस
9:30मेरा आउटपुट कलम है और उसके अलावा 30
9:32इनपुट कलम से जो सारे के सारे न्यूमेरिकल
9:35है ठीक है कोई वालुज मिसिंग नहीं है कुछ
9:37और प्रॉब्लम्स नहीं है इस डाटा सेट में तो
9:40हम इसको डायरेक्टली उसे करेंगे की एन उन
9:42अप्लाई करने के लिए तो सबसे पहले मैंने
9:45क्या किया है मैंने अपने पूरे डाटा को दो
9:48पार्ट्स में डिवाइड कर दिया है ट्रेनिंग
9:49और टेस्ट डाटा सेट में और ये मुझे आपको
9:52बताने की जरूर नहीं है शायद की आप ऐसा
9:54क्यों करते हो
9:57सो अभी भी अगर आपको अपने मशीन लर्निंग
10:00मॉडल के फॉर्म्स को टेस्ट करना है तो आप
10:04अपने जिवन डाटा को दो पार्ट्स में डिवाइड
10:08कर देते हो
10:12[संगीत]
10:21ट्रेन करते हो और उसे मशीन लर्निंग मॉडल
10:25को आप टेस्ट करते हो
10:29आपको आपके प्रिडिक्शन मिल जाते हैं
10:34है और इन प्रोडक्शन को आप एक्चुअल वाली
10:37वैल्यू के साथ कंपेयर करते हो
10:40कंपैरिजन आपके पास एक एक्यूरेसी स्कोर आता
10:48है की आपके म मॉडल का परफॉर्मेंस कैसा रहा
10:57तू स्कोर उसे किया करते थे जब हमने लाइनर
11:01रिग्रेशन पढ़ा था क्लासिफिकेशन
11:27और 200 बच्चों का डाटा आपने छुपा दिया
11:46प्लेसमेंट हो गया
11:48990 प्लेसमेंट नहीं हुआ समथिंग इस तरीके
11:50से हमारे पास 200 बच्चों का डाटा अब जैसे
11:53ही आपका मॉडल ट्रेन होता है अब आप क्या
11:55करते हो आप यह जो पूरा इनपुट डाटा है यह
11:59इनपुट डाटा को आप अपने म मॉडल में फिट
12:02करते हो और फिर हर बच्चे के लिए एक
12:06प्रिडिक्शन आता है ठीक है मैं यहां पर
12:09प्रिडिक्शन लिख देता हूं
12:12तो मां लो पहले
12:34इस तरीके से गलत हो गया
12:59पॉइंट तू परसेंट का टेस्ट साइज
13:08टोटल हमारे पास 569 स्टूडेंट पेशेंट थे
13:13हमारे पास 455
13:16ट्रेनिंग के अंदर अब यहां पर एक
13:19इंपॉर्टेंट चीज है की आपको ना जब भी आप कम
13:24कर रहे हो के नीरज नेबर्स के साथ तो इट्स
13:27ऑलवेज एडवाइज की आप अपना सर का सर डाटा से
13:32स्केल पर ले आओ जैसे मैं क्या बोल रहा हूं
13:34ये जो कलम है रेडियस मीन यह टेंस के स्केल
13:38पर है 14 11 19 इस तरह से वालुज है वेयर
13:42आर अगर आप इस कलम को देखो कॉम्पेक्टनेस
13:44मीन तो यह
13:46डेसिमल में राइट आप यहां पर भी देखोगे तो
13:50कुछ और वालुज है जो बहुत अलग स्केल पर है
13:53तो इस तरह का डाटा
14:17आपका डाइमेंशन है तो अगर यह
14:2210000 के स्केल पर है और यह वंश के स्केल
14:25पर है तो यह जो डिस्टेंस
14:31और आप इसलिए ऐसा नहीं चाहोगे आप इस
14:34डिस्टेंस मैट्रिक को रिलायबल रखना चाहोगे
14:39ठीक है रिलायबल रखना चाहोगे और उसके लिए
14:41आपका ये दोनों जो कलम है दे शुड बी ऑन डी
14:44से स्केल और डेट इस वही व्हाट वे डू एस वे
14:49अप्लाई सम किड ऑफ ट्रांसपोर्टेशन इन आर के
14:53स्टैंडर्ड स्कॉलर क्लास जो की क्या करता
14:56है आपके सारे के सारे कलम की वालुज को
15:00जैसे मां लो आपके पास ये आगे बोल कर के
15:04कलम है जहां पर अलग-अलग
15:18ट्रांसपोर्टेशन अप्लाई करते हो
15:23[संगीत]
15:46स्टैंडर्ड डिवीजन वालुज कैलकुलेट की और
15:49फिर उसको ट्रांसफॉर्म कर दिया और
15:52एक्सप्लेन में स्टोर कर दिया फिर हमने
15:54एक्स टेस्ट के ऊपर भी से कम किया हमने
15:56डायरेक्टली ट्रांसफॉर्म लगाया हमने फिट
15:58नहीं लगाया बिकॉज़ वे डोंट वांट
16:01स्टैंडर्ड डिवीजन वालुज वो हमें एक्सप्लेन
16:04के हिसाब से ही रखना है ठीक है इतना करने
16:07के बाद अब मेरे पास जो डाटा है वो
16:09ट्रांसफॉर्म हो चुका है अभी भी 4:55 रोज
16:12और 30 कलम सी हैं बट यू कैन सी नो आईटी हज
16:15बिन ट्रांसफार्मर इन एन अंपायर पंडाल डाटा
16:18फ्रेम नहीं रहा बट आपको दिखाई दे रहा होगा
16:20की साड़ी वालुज सिमिलर स्केल पर ए गए हैं
16:23और यही हमें चाहिए था ठीक है अब इसके बाद
16:26कम आसन है
16:32यहां पर हमने उसका एक ऑब्जेक्ट बनाया
16:36ऑब्जेक्ट बनाते टाइम आपको स्पेसिफाई करना
16:38पड़ता है की आप कितने नेबर्स लेक चलना
16:40चाहते हो आपका नेबरहुड कितना बड़ा होगा
16:42हमने फाइव ले लिया बिकॉज़ बाय डिफॉल्ट
16:45वैल्यू फाइव ही रहती है और फिर हमने अगले
16:48स्टेप में क्या किया एक्सट्रिन और व्हाइट
16:50रेन मेरे ट्रेनिंग डाटा को उसे करके हमने
16:52मॉडल को ट्रेन कर दिया अब आया प्रिडिक्शन
16:55का टाइम तो हमने क्या किया हमारे टेस्ट
16:58डाटा के ऊपर प्रिडिक्ट फंक्शन कल करके
17:01प्रिडिक्शन किया विच इस बेसिकली डूइंग दिस
17:05स्टेप हमने हर टेस्ट वाले बच्चे के लिए
17:10प्रिडिक्शन जेनरेट किया और फिर हमने
17:13एक्यूरेसी स्कोर फंक्शन में भेज दिया जो
17:14साइड बाय साइड कंपेयर कर रहा है कितनी
17:16गलती हुई और कितना सही है
17:36आपको चीज समझ में तो ए रही होगी बट आपके
17:39सामने जो सबसे बड़ा सवाल ए रहा होगा वह
17:42होगा
17:47[संगीत]
18:01अलग-अलग डाटा साइट पर अलग-अलग अच्छा क
18:04करती है और यह पता करने के लिए किसी
18:07पर्टिकुलर डाटा सेट पर कौन सा की वैल्यू
18:09सबसे अच्छा परफॉर्म करेगा आप दो तरीके
18:12इस्तेमाल करते हो
18:13पहले
18:15इकूरिस्टिक अप्रोच
18:17एरिस्टिक अप्रोच का मतलब आप बोल सकते हो
18:20पढ़ा लिखा जुगाड़ जो रिसचर्स ने किया है
18:23और दूसरा है एक्सपेंशन
18:28मैं दोनों आपको एक-एक करके बताता हूं
18:30सो ह्यूरिस्टिक मैं आप क्या करते हो की यू
18:33सिंपली टेक स्क्वायर रूट ऑफ एन
18:36स्क्वायर रूट ऑफ एन क्या है आपके नंबर ऑफ
18:40ऑब्जरवेशन
18:42बेसिकली नंबर ऑफ पेशेंट नंबर
19:15है और आपने क्या किया आपने
19:29जीरो वाले
19:31कनफ्लिक्ट हो जाएगा
19:44स्टूडेंट को दिस इस जस्ट एन टेक्निक जो
19:47आपको कुछ जगह पे दिखाई दे सकता है
20:23[संगीत]
20:26लाइक एक चैनल मॉडल होगा जहां पर एन का
20:30वैल्यू वन होगा एक और कैन इन मॉडल होगा
20:34जहां पर एन का
20:36वैल्यू
20:52डाटा पर ट्रेन करोगे
20:56और फिर जो मॉडल ट्रेन हुआ उसको आप अपने
21:00टेस्टिंग डाटा पर रन करोगे
21:27और अलग-अलग
21:37दिखता हूं सो गैस हम लोग इस एग्जांपल को
21:41आगे बड़ा रहे हैं जो हमारा ब्रेस्ट कैंसर
21:42डाटा सेट था तो अगर आपको याद होगा जब
21:45मैंने केक का वैल्यू 5 लेक कम किया था तो
21:49मुझे एक्यूरेसी मिला था 97% का अब मैं
21:52क्या करूंगा मैं क्रॉस वैलिडेशन अप्लाई
21:55करूंगा तो फाइंड आउट डी बेस्ट की वैल्यू
22:041 से लेकर बढ़ेगा 15 तक और मैं हर बार एक
22:08डिफरेंट कैनन मॉडल बना रहा हूं जहां पर
22:10नंबर ऑफ नेबर्स उतने होंगे जितना लूप में
22:13आई का वैल्यू है
22:16लास्ट में 15 और हर चैनल मॉडल को मैं अपने
22:20ट्रेनिंग डाटा पर ट्रेन कर रहा हूं और फिर
22:23मैं टेस्ट डाटा पर प्रोडक्शन करवा रहा हूं
22:26इससे मुझे वाइब्रेट मिल रहा है और
22:29वाइब्रेट क्यों उसे करके मैं क्राइसिस को
22:32कैलकुलेट कर रहा हूं सो बेसिकली लुक खत्म
22:34होने के बाद मुझे और 15 डिफरेंट मॉडल 15
22:38डिफरेंट एक्यूरेसी कोर्स मिल रहा है और जब
22:41मैं उसको प्लॉट कर रहा हूं तो यहां पर
22:43एक्स एक्सिस पर आपका के वैल्यू है और ए
22:46एक्सिस पे आपका एक्यूरेसी वैल्यू है और यू
22:49कैन सी जो बेस्ट एक्यूरेसी मुझे मिल रहा
22:51है वो इस के वैल्यू के लिए मिल रहा है मैं
22:53जी के = 3
22:55क = 3 बाकी सभी में मुझे कम एक्यूरेसी मिल
23:00रहा है जैसे 14 से ज्यादा मैं कम मिल रहा
23:02है थ्री से कम में कम मिल रहा है
23:05वैल्यू ऑफ 97 सो मैं क्या करूंगा मैं अगर
23:09यहां पर जाकर अब फ्री दाल डन
23:20[संगीत]
23:23देखा है वो यही टेक्निक उसे होती है आई
23:27होप आपको मैं समझा पाया सो गैस हमने
23:29कैसे कम करता है ये रेखा अब मैं आपको एक
23:33बहुत इंटरेस्टिंग टूल पढ़ना जा रहा हूं
23:35जिसको हम डिसीजन सरफेस बोलते हैं
23:39कुछ जगह पर इसको डिसीजन बाउंड्री भी बोला
23:41जाता है और यह टूल है जो आप उसे करते हो
23:46इन ऑर्डर तू अंडरस्टैंड
24:02करोगे एसबीएम पढ़ोगे तब उसे करोगे
24:05लॉजिस्टिक रिग्रेशन डिसीजन ट्री एवं
24:08न्यूरल नेटवर्क्स में भी आप इसको उसे
24:10करोगे
24:54ठीक है पहले मैं आपको एक बार बताता हूं यह
24:56डिसीजन सरफेस होता क्या सो लेट टेकन
24:59एग्जांपल जहां पे हमारे पास
25:012d इनपुट डाटा है जैसा की गपा और इक और जो
25:08हमारा आउटपुट कलम है वह एक बाइनरी
25:12क्लासिफिकेशन प्रॉब्लम है मतलब इसमें दो
25:14क्लासेस है जीरो और वन
25:17तो आप क्या करते हो की आप फर्स्ट ऑफ जो
25:20में समझता हूं यह डायग्राम क्या
25:21रिप्रेजेंट कर रहा है तो यहां पर जो आपको
25:23प्वाइंट्स दिखे रहा है रेड और ब्लू में दे
25:25आर ट्रेनिंग प्वाइंट्स दे आर ट्रेनिंग
25:28प्वाइंट्स
25:29और फिर आपको यह जो रीजंस दिखाई दे रहे हैं
25:33यह जो रीजंस दिखाई दे रहे हैं इनको बोला
25:36जाता है डिसीजन रीजन अब इन रीजंस का क्या
25:39इंर्पोटेंस है वो मैं आपको समझता हूं सो
25:41लेट से कल को एक ट्रेनिंग पॉइंट यहां पे
25:43आके गिरता है लाइक दिस एक्स एक्सिस दिस
25:46गपा दिस इसे इक अब किसी बच्चे का गपा यहां
25:51पर है और इक यहां पर है तो हम डायरेक्टली
25:55उसको इस ग्राफ में प्लॉट करके इस डिसीजन
25:59सरफेस में प्लॉट करके समझ सकते हैं की वह
26:02ऑरेंज रीजन में है इसका मतलब वो रेड पॉइंट
26:06से रिलेटेड अगर कोई नया पॉइंट यहां पर आकर
26:09लाइक करता है तो इसका मतलब है की वह पॉइंट
26:13ब्लू वाले से रिलेट करता है तो बेसिकली यह
26:16जो डिसीजन सरफेस है यह पूरे के पूरे
26:20सिस्टम को इस पूरे के पूरे कोऑर्डिनेट्स
26:23सिस्टम को दो पार्ट्स में डिवाइड कर रहा
26:25है तो रीजंस में डिवाइड कर रहा है एक है
26:28ऑरेंज रीजन और एक है
26:32तो इसको देखने के बाद आपको अलग से
26:35प्रिडिक्ट करने की जरूर नहीं है आपको देख
26:37के समझ में ए रहा है की कहां तक प्वाइंट्स
26:40पॉजिटिव
26:48चेंज होता है
26:50इसको हम डिसीजन बाउंड्री बोलते हैं और यह
26:53बहुत इंपॉर्टेंट होता है मशीन लैट्रिन ठीक
26:55है तो गोइंग फॉरवर्ड आप नोटिस करोगे कभी
26:58भी आप क्लासिफिकेशन प्रॉब्लम सॉल्व कर रहे
27:00हो एटलिस्ट इन वन दी तू दी और थ्री दी आप
27:03इस तरह का डिसीजन सरफेस बनोगे ठीक है नो
27:06का मतलब ये बनाया कैसे गया ये जेनरेट कैसे
27:09हुआ तो बहुत सिंपल है आप क्या करते हो आप
27:12दो-तीन स्टेप्स में ऑपरेट करते हो आप सबसे
27:15पहले
27:18अपने ट्रेनिंग डाटा को प्लॉट कर लेते हो
27:22यू प्लॉट योर ट्रेनिंग डाटा
27:27उसके बाद एक्स और ए एक्सिस पे आप रेंज
27:30कैलकुलेट करते हो अपने ट्रेनिंग डाटा का
27:32जैसे यह है एक्स रेंज
27:36और
27:40दिस इसे डी वायरिंग
27:42राइट और
27:58बेसिकली आप
28:01सारे के सारे प्वाइंट्स जो है
28:05इतने रीजन में उनको जेनरेट कर रहे हो
28:09लाइक दिस
28:12खूब सारे प्वाइंट्स ऑफ जेनरेट कर रहे हो
28:14फिर आप क्या कर रहे हो इस ट्रेनिंग डाटा
28:17को उसे करके अपने कि मॉडल को ट्रेन कर रहे
28:20हो
28:21और जैसे
28:24हर पॉइंट को
28:26इस केएन मॉडल में भेज रहे हो अगर कैनन
28:30मॉडल बोलना है वन तो आप उसे पॉइंट को
28:33ब्लू सेंड कोड कर दे रहे हो अगर
28:42आप हर पॉइंट के लिए कर रहे हो
28:47और फिर आप क्या करते हो
29:09जाते हैं
29:19एक्जेक्टली इसका कोड क्या होगा तो प्लीज
29:22आप डिस्क्रिप्शन चेक करो मैंने इस टॉपिक
29:24पर वीडियो बना रखा है अराउंड 40 मिनट्स का
29:26है बट मैंने हाथ से ये पूरा का पूरा चीज
29:29करके दिखाए डी गुड पार्ट इसे आपको हर बार
29:3240 मिनट्स स्पेंड करने की जरूर नहीं है
29:34देवर इस एन लाइब्रेरी कॉल्ड म एक्सटेंड वे
29:38कैन उसे दिस लाइब्रेरी तू प्लॉट
29:40डिसीजन सर्फेस बार-बार करने की जरूर नहीं
29:44है बस एक फंक्शन कल करो आपका कम हो जाएगा
29:47ठीक है तो या आई वांटेड तू गिव यू दिस
29:50इंट्रोडक्शन अबाउट डिसीजन सरफेस और डिसीजन
29:52बाउंड्री बिकॉज़ हमारा जो नेक्स्ट डिस्कशन
29:55है वहां पर हम इसको बहुत उसे करेंगे
30:03को बढ़ाने या घटाना से
30:06हमारा मॉडल कैसे बिहेव करता है की मतलब
30:09नंबर ऑफ नेबर्स ठीक है तो जो डाटा है
30:13हमारा
30:15इसी को लेकर हम आगे बढ़ते हैं
30:17तो मां लो हमारे पास
30:23ठीक है
30:39दो अलग क्लासेस प्लेसमेंट हुआ
30:42प्लेसमेंट नहीं हुआ
30:48है की हमने केक का वैल्यू मां लो वन ले
30:52रखा
30:54है
31:05तो वह अपने सबसे नीरारेस्ट नी को खोजेगा
31:10और जो उसके नेरिस्ट नेवर का क्लास होगा
31:13कोई पॉइंट का भी वही क्लास हो जाएगा जैसे
31:16इस कैसे में ब्लू ठीक है अब आप इस
31:19बिहेवियर को एक्चुअली थोड़ा जूमिन करके
31:21समझ सकते हो की ऐसा हो सकता है की मां लो
31:25यहां पर
31:28बोल सकते हो और यहां पर अगर एक वारी पॉइंट
31:33आता है तो जो दो यह कोई पॉइंट होना चाहिए
31:48है और ऐसा कई जगह पर हो सकता है तो
31:50बेसिकली होगा क्या की जो डिसीजन सरफेस है
31:53वह बहुत ही छोटे-छोटे रीजंस में डिवाइड हो
31:57जाएगा जैसे की ऐसा हो सकता है की इतना
32:01पिंक रीजन है फिर इतना थोड़ा सा ब्लू रीजन
32:07है फिर यहां पर पिंक रीजन है
32:11और बिकॉज़ यहां पर एक पिंक पॉइंट है तो
32:14यहां पर एक रीजन है
32:16यह मां लो फिर से ब्लू रीजन है यहां पर एक
32:20और पिंक पॉइंट था तो यह पिंक रीजन है
32:24यह ब्लू रीजन है
32:30की आप डाटा में जो बहुत माइनर चेंज भी है
32:37उसको भी आप रात रहे हो याद कर रहे हो
32:57हाय वेरियस का मतलब होता है अलग-अलग डाटा
33:01सेट पर अलग-अलग रिजल्ट देना और आईटी इसे
33:04क्यूट लॉजिकल राइट यह जो डिसीजन सरफेस है
33:07यह किसी नए डाटा सेट के ऊपर से परफॉर्मेंस
33:10नहीं रहेगा इसका परफॉर्मेंस डिफरेंट आएगा
33:12तो डेट
33:16से वन और तू ओवर फाइटिंग होने का चेस राहत
33:21है
33:22अब इसका उल्टा कैसे समझते हैं उल्टा कैसे
33:25के लिए एक बार फिर से अल्ट्रा
33:30सेट
33:32मां लो
33:42अब
33:44इक्वेशन है आपसे आप सोच कर देखना की
33:47हाईएस्ट वैल्यू कितना हो सकता है व्हाट
33:50इसे डी मैक्स वैल्यू ऑफ के आई होप समझ का
33:53रहे हो मैक्सिमम वैल्यू उतना ही होगा
33:55जितने आपका एन एन है 200 तो के होगा 200
34:00तो लेट टेक के इक्वल तू 200
34:05लेट थिंक क्या होगा
34:40क्लास जो होगा वह हमेशा वह होगा जो क्लास
34:45डोमिनेट करेगा
35:01आई होप आपको समझ में ए रहा है बिकॉज़ ब्लू
35:03हमेशा मेजॉरिटी अकाउंट में जीतेगा
35:07तो दिस इसे एन वेरी सिंपलेस्टिक मॉडल
35:11जो ज्यादा सोच ही नहीं रहा है आप उसको
35:13कहानी भी पॉइंट दे दो यहां दे दो यहां दे
35:15दो यहां दे दो कहानी भी दे दो उसका आंसर
35:17हमेशा ब्लू रहेगा
35:24जहां पर आपने डाटा के अंदर के पैटर्न को
35:27जरा सा भी नहीं समझा और आप बस डायरेक्टली
35:31अपने रिजल्ट्स दे रहे हो ठीक है तो दिस इस
35:35हैपन तो इन शॉर्ट याद रखना है आपको की
35:40बहुत लो वालुज बिल गिव यू ओवर फाइटिंग
35:55सो आपको क्या करना होता है
36:03और वह
36:05एक्सपेरिमेंट स्टेशन के थ्रू ही खोज पाते
36:07हो मैं आपको यह जो पूरा डिस्कशन हुआ है
36:09इसका एक कोड डेमो दिखता हूं
36:12जिससे आपको थोड़ा और अच्छा इंशन डेवलप
36:15होगा
36:20स्क्रीन पर देख सकते हो सो यहां पे मैंने
36:23क्या किया है मैंने वही ब्रेस्ट कैंसर
36:24वाले डाटा सेट का जो फर्स्ट तू कलम था
36:27उसको लिया बिकॉज़ उसमें 30 कॉलम्स थे 30
36:30कॉलम्स को आप विजुलाइज नहीं कर सकते मैंने
36:32फर्स्ट तू कॉलम्स ले लिया यहां पर जो
36:34कलर्स है ब्लू और ऑरेंज ये हमारी क्लासेस
36:37हैं
36:38वन और जीरो की और यहां पर मैंने स्लाइडर
36:42लगा रखा है जहां से आप के वैल्यू सिलेक्ट
36:44कर सकते हो और नेबर्स सिलेक्ट कर सकते हो
36:49की आपके डाटा में अंदर फाइटिंग हो रहा है
36:52बिकॉज़ यू कैन सी छोटे-छोटे
37:07यहां पर अगर कोई पॉइंट लाइक करने लगेगा तो
37:10वो भी ऑरेंज हो जाएगा ठीक है सिमिलरली
37:13यहां पर यू कैन सी और यू कैन सी दी
37:27तो युटुब की थोड़ा स्मूथ होने लगता है यह
37:31पूरा
37:35दिखा रहा है
37:44और वह इंडिविजुअल बाउंड्रीज थी वो हटे ग
37:47गई है ठीक है अगर आप इसको और बड़ा के लेट
37:51से 10 पे ले जाते हो
37:56थोड़ा सा टाइम ले रहा है यह कोड अभी सेक्स
37:59का दिखा रहा है
38:07कोई भी अब उसे तरह की छोटी-छोटी डिसीजंस
38:11नहीं दिखे रहे होंगे अगर मैं आपको
38:13डायरेक्ट
38:19[संगीत]
38:21नहीं होगा यह 11 का है
38:26और लेट वेट पर के इक्वल तो 20 थिस
38:31इस ए स्मूथ डिसीजन बाउंड्री ऑल्टो दिस इस
38:34नॉन लाइनर बट स्टाइल दिस दिस एक्चुअली शोस
38:38डी ट्रू रिप्रेजेंटेशन ऑफ डाटा ठीक है तो
38:41डेट दिस इस मी पॉइंट अब अगर आप और के को
38:44बढ़ते जाओगे तो वो अंदर फाइटिंग की तरफ
38:46लीड करने लगता है ठीक है तो आई बिल शेर
38:49दिस कोड आपका कम है एक बार अलग-अलग वालुज
38:52के लिए आप इसको चला के देखो ऑब्जर्व करो
38:54अपने ऑब्जरवेशन को कहानी नोट डॉ करो ठीक
38:57है सिंपल समरी ये है की एक वैल्यू बहुत
39:00छोटा होने पर ओवर फाइटिंग होता है केक का
39:03वैल्यू बहुत बड़ा होने पर अंदर फाइटिंग
39:05होता है आपको बीच का एक वैल्यू खोजना होता
39:07है सो गैस अभी तक हमने काफी कुछ पढ़ लिया
39:09केएन के बड़े में अब हम लोग एक बहुत
39:12इंपॉर्टेंट डिस्कशन करेंगे
39:17बहुत सारे हैं और आप उनको उसे करना भी
39:21सीखोगे बट मुझे लगता है की उससे भी ज्यादा
39:23इंपॉर्टेंट होता है ये समझ पन की किस तरह
39:25के सिचुएशन में कौन सा मशीन लर्निंग
39:27एल्गोरिथम उसे हो सकता है और किस तरह के
39:30सिचुएशन में उसे नहीं हो सकता ठीक है तो
39:33हम अभी वो पढ़ने वाले हैं कहां-कहां फेल
39:36करता है
39:41ठीक है मैं आपको 5 से फेलियर कैसे बताऊंगा
39:51तो पहले जगह
40:02लाइक बड़े डाटा सेट
40:04एग्जांपल मां लो हमारे पास एक ऐसा डाटा
40:07सेट है जहां पर नंबर ऑफ ऑब्जरवेशन फाइव
40:10लाख है ठीक है
40:28प्रॉब्लम क्या है तो उससे क्या प्रॉब्लम
40:32होगी प्रॉब्लम यह है की अगर आपने ध्यान से
40:35अभी तक का वीडियो देखा होगा तो आपको एक
40:38बात समझ में आई होगी
41:10लाइक दिस
41:15फिर एक नया
41:17और हम उसका डिस्टेंस सभी से निकलते हैं
41:24और फिर मेजॉरिटी काउंट अप्लाई करते हैं बट
41:27अगर आप ध्यान से सोचो यह सर जो प्रोसेस है
41:31डिस्टेंस निकालना उसको सॉर्ट करना
41:33मेजॉरिटी काउंट लगाना यह सब तब आप करते हो
41:37जब आपके पास एक क्वेरी पॉइंट होता है
41:38क्वेरी पॉइंट मतलब
41:40जब आप प्रिडिक्शन फैज में हो
41:45आईएफ यू थिंक केयरफुल ट्रेनिंग
41:48यू एक्चुअली डू नथिंग
41:55प्वाइंट्स को स्टोर करके रख लेते हो
42:02[संगीत]
42:08प्रॉब्लम क्या है
42:18वह बहुत स्लो हो जाता है एक्चुअली
42:21डिपेंड्स ऑन डी डाटा सेट अगर डाटा सेट
42:23बहुत बड़ा है तो प्रिडिक्शन बहुत स्लो हो
42:25जाएगा खुद ही सोच के देखो मां लो अगर आपके
42:28पास ₹5 है लाइक इस तरीके से 5 लाख
42:30प्वाइंट्स हैं तो अब कोई नया पॉइंट जैसे
42:33आया आप उसका डिस्टेंस कितने प्वाइंट्स के
42:36साथ कैलकुलेट करोगे फाइव लाख प्वाइंट्स के
42:38साथ बेसिकली आप फाइव लाख डिस्टेंस
42:41कैलकुलेट करोगे
42:43फिर आप इन फाइव लाख डिस्टेंस को सॉर्ट
42:45करोगे फिर आप मेजॉरिटी अकाउंट लगाओगे और
42:50यह सब कुछ प्रिडिक्शन के टाइम पर हो रहा
42:52है इमेजिन करो एक बांदा आया उसने वेबसाइट
42:55पर सर इनपुट प्रोवाइड कर दिया
42:57और अब उसने जैसे ही प्रोडक्ट पर क्लिक
43:00किया तो अब आप यह सर कम कर रहे हो यह सारे
43:03डिस्टेंस कैलकुलेट कर रहे हो उसको सॉर्ट
43:05कर रहे हो मेजॉरिटी अकाउंट निकाल रहे हो
43:06लेट से यह पूरा चीज करने में तीन सेकेंड्स
43:09ग गए 93 सेकेंड्स प्रिटी स्लो स्पेशली यू
43:13टॉक अबाउट इंटरनेट कंपनी जहां पर लो
43:16लेटेंसी बहुत मटर कर जाता है वहां पर 3
43:20सेकेंड्स अगर ग रहा है आपका रिक्वेस्ट
43:21प्रोसेस होने में तो आपका जो कस्टमर है वो
43:24बेसिकली छोड़ देगा आपका प्लेटफॉर्म ठीक है
43:27तो दिस इसे डी बिगेस्ट ड्रॉबैक ऑफ केनरास
43:30नेबर्स की छोटे डाटा सेट पर तो चलो अच्छा
43:34रिजल्ट ए जाता है बिकॉज़ आपका प्रिडिक्शन
43:38में डिस्टेंस कम कैलकुलेट करनी है बट अगर
43:41डाटा सेट बहुत बड़ा है तो फिर आईटी को टेक
43:44एन लोट ऑफ टाइम तू गिव रिजल्ट्स डी फर्स्ट
43:47ड्रॉबैक 10
44:01फीचर्स है नंबर ऑफ अगर 500 तो फिर क्या
44:07होता है
44:13जो की क्या बोलना है की अगर डाटा सेट बहुत
44:16हाय है
44:19तो हायर डाइमेंशंस में जो डिस्टेंस का
44:23कॉन्सेप्ट होता है जो डिस्टेंस निकालना का
44:26कॉन्सेप्ट होता है वह रिलायबल नहीं राहत
44:31है की हायड डाइमेंशन में जब आप डिस्टेंस
44:35कैलकुलेट करते हो लेट से यूक्लिड और
44:37डिस्टेंस तो वो एक्चुअली बहुत रिलायबल
44:40मेजर नहीं होता है वह सही से डिस्टेंस समझ
44:42नहीं पता है बता नहीं पता है और साइंस
44:44कैनन कंपलीटली रिलीज ऑन डिस्टेंस अगर
44:48डिस्टेंस ही सही से कैलकुलेट नहीं हो
44:50पाएगा हायर डाइमेंशन में तो फिर कनम के
44:52रिजल्ट्स भी रिलायबल नहीं होते तो आईएफ यू
44:55हैव वेरी हाय डिमेंशिल डाटा सेट यू शुड
44:58अवॉइड यूजिंग के एन एन बिकॉज़ आईटी इस
45:00टोटली डिपेंडेंट ऑन कैलकुलेटिंग डिस्टेंस
45:03वंस डी डिस्टेंस
45:24मां लो यह आपके पिंक प्वाइंट्स
45:29यह आपके ब्लू प्वाइंट्स
45:34है और इन्हीं ब्लू प्वाइंट्स मां लो यहां
45:36पर
45:38दो पिंक पॉइंट
45:41है
45:49ठीक है अब क्या होगा की मां लो आपने
46:01गिरता है आप उसको पिंक लेबल कर डॉग
46:04बेसिकली आपका जो डिसीजन बाउंड्री है उसमें
46:08यह वाला रीजन पिंक हो गया इतना रीजन ब्लू
46:12हो गया
46:16और फिर से इतना रीजन पिंक हो गया
46:22राइट बट यह जो रीजन था इसको पिंक होना
46:25नहीं चाहिए था इसको ब्लू ही रहना चाहिए था
46:27बट यह पिंक हो गया बिकॉज़ ऑफ डी प्रेजेंस
46:29ऑफ आउट लेयर्स तो मैं आप बेसिकली बस ये
46:31बताना छह रहा हूं की जी तरीके से कैन और
46:33कम करता है वह बहुत सेंसेटिव है उसको लेकर
46:36के अगर के की वैल्यू सही से सेट नहीं की
46:39गई तो फिर आप आउट लॉयर्स के चक्कर में पद
46:42जाओगे और आपका जो रिजल्ट होगा वो खराब हो
46:45सकता है ओवर फाइटिंग हो सकता है और ओवर
46:48फाइटिंग होगा तो फिर स्टॉल गुड थिंक ठीक
46:50है
46:53एन कोई उसे करते टाइम आपको केयरफुल रहना
46:56चाहिए वो है
47:34प्रॉब्लम क्या है
47:45आपका सैलरी वाला कंपोनेंट डोमिनेट कर
47:50एक्सपीरियंस वाले कंपोनेंट को और अगेन यह
47:54डिस्टेंस रिलायबल नहीं रहेगा और यह
47:57डिस्टेंस अगर रिलायबल नहीं
48:00कर सकते तो इसीलिए मैंने आपको थोड़ी डर
48:02पहले बताया भी था की अगर आपके पास डिफरेंस
48:05वाली फीचर्स हैं यू शुड उसे स्केलिंग उनको
48:09से स्केल पे लाना जरूरी है तो गेट रिलायबल
48:12रिजल्ट्स आउट ऑफ कैनन ठीक है आई होप आपको
48:16यह पॉइंट भी क्लियर हो गया दो और
48:18प्वाइंट्स में जल्दी से डिस्कस करना
48:20चाहूंगा
48:34जैसे की मां के चलो की यस वाले प्वाइंट्स
48:3898% है
48:42तो इसका सिंपल सा मतलब यह हुआ की आपका
48:45डाटा कुछ ऐसा दिखाई देगा
48:59ठीक है अब ओबवियसली यू कैन अंडरस्टैंड इस
49:02तरह के सिनेरियो में प्रॉब्लम क्या है की
49:04आपका जो रिजल्ट है वह भी आपका किड ऑफ
49:09बायर्स होगा
49:10टुवर्ड्स वन क्लास इन दिस कैसे पिंक क्लास
49:14तो अगेन थे रिजल्ट्स
49:17यू कैन गेट ठीक है तो इसको भी सॉर्ट करना
49:22जरूरी है अगर आपके पास इंबैलेंस डाटा सेट
49:24है की एनएनएस वन ऑफ डोज एल्गोरिथम जो आपको
49:27बहुत अच्छे रिजल्ट्स नहीं देगा ठीक है और
49:31डी लास्ट पॉइंट इस
49:34यू आर यूजिंग केएन पर इंश्योरेंस
49:40[संगीत]
49:45करता है मेरा खाने का मतलब है की केएन
49:49इंश्योरेंस के लिए अच्छा नहीं है
49:50प्रिडिक्शन के लिए अच्छा है
49:58तू फाइंड आउट की आपका जो नया कोई भी पॉइंट
50:02है उसका क्लास क्या होगा
50:08आप यह नहीं बता सकते की यह क्लास डिसाइड
50:12करने में गपा का ज्यादा कंट्रीब्यूशन था
50:15या आई के का ज्यादा कंट्रीब्यूशन था
50:17बेसिकली मैं यह कहना चाहता हूं की
50:21@ फंक्शंस
50:24राइट बट
50:26कॉन्स वन सर्च फंक्शन जो एक्स के
50:30कॉम्पोनेंट्स
50:31का कितना इंपैक्ट रहा ए कैलकुलेट करने में
50:38ब्लैक बॉक्स मॉडल मुझे नहीं पता कौन सा
50:43फीचर
50:44ज्यादा इंपॉर्टेंट है प्रिडिक्शन करने के
50:47लिए कौन सा फीचर कम इंपॉर्टेंट है जो आई
50:50नो इस की अगर आप मुझे एक नया कोई भी पॉइंट
50:52डॉग तो वन क्लास में आएगा या जीरो क्लास
50:55में आएगा इतना कन्या करके देता है
50:57प्रिडिक्शन करके देता है इन्फ्रेंस में
51:00बहुत अच्छा नहीं है तो इन समरी डीज आर डी
51:04सेक्स फेलियर केसेस ऑफ कैनन यू हैव तू बी
51:06केयरफुल अगर आप इस तरह के सीनरीज में हो
51:08पहले आईएफ यू आर वर्किंग विद बड़े डाटा
51:11सेट्स आपका जो लेट्स है वो बहुत हाय रहेगा
51:15तुरंत रिजल्ट्स
51:17नहीनता में कर्ज का डाइमेंशनलिटी आता है
51:20डिस्टेंस निकालना रिलायबल नहीं राहत है
51:22जिसकी वजह से केएन रिलायबल नहीं राहत है
51:24आउटलेयर्स होने में आपका ओवर फाइटिंग होने
51:27का चेस है अगर केक का वैल्यू सही से तूने
51:29नहीं है अलग-अलग स्केल्स होने पर डिस्टेंस
51:33रिलायबल नहीं है इंबैलेंस डाटा में एक
51:36बॉयस ए जाता है एक पर्टिकुलर क्लास के लिए
51:38और प्रिडिक्शन के लिए तो अच्छा है बट
51:40इंश्योरेंस के लिए अच्छा नहीं है तो यह छह
51:43प्वाइंट्स अगर आपको याद रहेंगे तो आप
51:45केयरफुल कैनन को उसे कर पाओगे सो था वास
51:49डी वीडियो गैस आई होप आपको वीडियो पसंद
51:50आया की म के बड़े में आप काफी कुछ सीखे
51:52अगर आपको वीडियो पसंद आया है तो प्लीज
51:54लाइक करना और अगर आपने चैनल को सब्सक्राइब
51:57नहीं किया है तो प्लीज तू सब्सक्राइब
51:58मिलते हैं नेक्स्ट वीडियो में बाय

About this transcript

This page contains the full transcript of What is K Nearest Neighbors? | KNN Explained in Hindi | Simple Overview in 1 Video | CampusX by CampusX, generated from the public captions YouTube serves with the video. The transcript has 4,978 words across 701 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to translate the transcript into 100+ languages.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, translation to 100+ languages, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.