การถดถอยเพื่อนบ้านที่ใกล้ที่สุดแบบเคอร์เนลด้วยการสุ่มตัวแปรอิสระและการรวมแบบบูตสแทร็ป

การถดถอยเพื่อนบ้านที่ใกล้ที่สุด (K nearest-neighbor regression) เป็นหนึ่งในวิธีการเรียนรู้ของเครื่องที่ถูกนำมาใช้อย่างกว้างขวาง ด้วยการที่ว่าเป็นวิธีที่ใช้งานง่ายไม่ซับซ้อนโดยการทำนายค่าตัวแปรตามที่สนใจจากค่าเฉลี่ยตัวแปรตามของข้อมูลที่มีตัวแปรอิสระใกล้เคียงกับตัวแปรอิสระของค่าที่สนใจหรือเรียกอีกอย่างนึงว่าเพื่อนบ้านใกล้เคียง (nearest-neighbor) การหาจำนวนเพื่อนบ้านใกล้เคียง (K) ที่ดีที่สุดนั้นทำได้ยากเพราะถ้าจำนวนเพื่อนบ้านน้อยเกินไปหรือมากเกินไปค่าทำนายที่ได้จะมีความคลาดเคลื่อนสูงเมื่อนำไปทดสอบกับข้อมูลชุดทดสอบที่ผู้ถูกฝึกสอนไม่เคยเห็นมาก่อน งานวิจัยนี้ได้เสนอวิธีการสร้างตัวแบบแบบใหม่โดยการนำฟังก์ชันเคอร์เนล (Kernel function) แบบต่าง ๆ มาใช้ในวิธีการถดถอยเพื่อนบ้านที่ใกล้ที่สุดจากการใช้ตัวแปรที่แตกต่างกันแบบสุ่มหลาย ๆ ชุด มาใช้ทำนายร่วมกัน เมื่อนำมาทดลองใช้กับชุดข้อมูลจริงหลาย ๆ ชุด พบว่าวิธีการที่ถูกนำเสนอมานี้มีประสิทธิภาพโดยรวมที่ดีกว่าวิธีการถดถอยเพื่อนบ้านที่ใกล้ที่สุดแบบดั้งเดิมจากการประเมินประสิทธิภาพโดยใช้ RMSE, MAE และ R-squared โดยฟังก์ชันเคอร์เนลแบบ Triangular ที่ให้ประสิทธิภาพดีที่สุดจากการวัดผลรวมของอันดับเมื่อเทียบกับฟังก์ชันเคอร์เนลแบบอื่น ๆ รวมถึงวิธีการสุ่มเลือกตัวแปรอิสระเพียงอย่างเดียวและวิธีแบบดั้งเดิมจากข้อมูลทั้งหมด 15 ชุด