Metraipolis › archive › dc_e96e8a2c5731

Méthode des k plus proches voisins — Wikipedia (fr)

Source
Wikipedia (fr)
Original
https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-07T11:48:03.014Z
SHA-256 of the archived text
9374c47d8fe8343d76d47c89b82867e0530dd868f81c2989db84e4cf03db7a6a
Stable URL of this page
https://metraipolis.com/documento/dc_e96e8a2c5731

How to cite

Méthode des k plus proches voisins — Wikipedia (fr) — Wikipedia (fr), https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_e96e8a2c5731 (Metraipolis archive dc_e96e8a2c5731, sha256 9374c47d8fe8343d76d47c89b82867e0530dd868f81c2989db84e4cf03db7a6a)
BibTeX
@misc{dce96e8a2c5731,
  title = {Méthode des k plus proches voisins — Wikipedia (fr)},
  howpublished = {Wikipedia (fr)},
  url = {https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_e96e8a2c5731; sha256 9374c47d8fe8343d76d47c89b82867e0530dd868f81c2989db84e4cf03db7a6a},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (fr), https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

En intelligence artificielle, plus précisément en apprentissage automatique, la méthode des k plus proches voisins est une méthode d’apprentissage supervisé. En abrégé KPPV ou k-PPV en français, ou plus fréquemment k-NN ou KNN, de l'anglais k-nearest neighbors. Dans ce cadre, on dispose d’une base de données d'apprentissage constituée de N couples « entrée-sortie ». Pour estimer la sortie associée à une nouvelle entrée x, la méthode des k plus proches voisins consiste à prendre en compte (de façon identique) les k échantillons d'apprentissage dont l’entrée est la plus proche de la nouvelle entrée x, selon une distance à définir. Puisque cet algorithme est basé sur la distance, la normalisation peut améliorer sa précision. Par exemple, dans un problème de classification, on retiendra la classe la plus représentée parmi les k sorties associées aux k entrées les plus proches de la nouvelle entrée x. En reconnaissance de forme, l'algorithme des k plus proches voisins (k-NN) est une méthode non paramétrique utilisée pour la classification et la régression. Dans les deux cas, il s'agit de classer l'entrée dans la catégorie à laquelle appartient les k plus proches voisins dans l'espace des caractéristiques identifiées par apprentissage. Le résultat dépend si l'algorithme est utilisé à des fins de classification ou de régression : en classification k-NN, le résultat est une classe d'appartenance. Un objet d'entrée est classifié selon le résultat majoritaire des statistiques de classes d'appartenance de ses k plus proches voisins, (k est un nombre entier positif généralement petit). Si k = 1, alors l'objet est affecté à la classe d'appartenance de son proche voisin. en régression k-NN, le résultat est la valeur pour cet objet. Cette valeur est la moyenne des valeurs des k plus proches voisins. La méthode k-NN est basée sur l'apprentissage préalable, ou l'apprentissage faible, où la fonction est évaluée localement, le calcul définitif étant effectué à l'issue de la classification. L'algorithme k-NN est parmi les plus simples des algorithmes de machines learning. Que ce soit pour la classification ou la régression, une technique efficace peut être utilisée pour pondérer l'influence contributive des voisinages, ainsi les plus proches voisins contribuent-ils plus à la moyenne que les voisins plus éloignés. Pour exemple, un schéma courant de pondération consiste à donner à chaque voisin une pondération de 1/d, ou d est la distance de l'élément, à classer ou à pondérer, de ce voisin. Les voisins sont pris depuis un ensemble d'objets pour lesquels la classe (en classification k-NN) ou la valeur (pour une régression k-NN) est connue. Ceci peut être considéré comme l'ensemble d'entraînement pour l'algorithme, bien qu'un entraînement explicite ne soit pas particulièrement requis. Une particularité des algorithmes k-NN est d'être particulièrement sensible à la structure locale des données.

Tema degli esploratori: storia e filosofia della scienza (deposito sistematico; ricerca «méthode scientifique»).
Fonte: Wikipedia in francese, voce «Méthode des k plus proches voisins» — https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins
Wikidata Q1071612 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q1071612
Autori: i contributori di Wikipedia (cronologia: https://fr.wikipedia.org/wiki/M%C3%A9thode_des_k_plus_proches_voisins?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 233253368, consultata il 2026-10-07T11:20:47.769Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 9e0290c748f02760adaf797f0892179d3c1c4681adc540cb2bdda8414e92da77