الگوریتم نزدیک ترین همسایگی با شعاع ثابت

الگوریتم fixed-radius near neighbor یا نزدیک ترین همسایگی با شعاع ثابت یک الگوریتم یادگیری ماشین با ناظر (Supervised Machine Learning) است.

این الگوریتم به‌عنوان یک مدل مبتنی بر نمونه (instance-based method) یا یک یادگیرنده‌ی تنبل (lazy learner)‌ شناخته می‌شود؛ زیرا یک مدل داخلی ایجاد نمی‌کند و از داده‌های آموزش عملکرد متمایز را یاد نمی‌گیرد؛ فقط نمونه‌های آموزشی را حفظ می‌کند که به‌عنوان «دانش» برای مرحله‌ی پیش‌بینی استفاده می‌شود.

این الگوریتم برای مسائل طبقه‌بندی نزدیک ترین همسایه ها را در یک شعاع ثابت حول نقطه مدنظر پیدا و با اکثریت آرا نزدیک‌ترین همسایگان کلاس را پیش‌بینی می‌کند.

برای مسائل رگرسیون، نزدیک‌ترین همسایه را در یک شعاع ثابت حول نقطه مورد نظر پیدا و با محاسبه‌ی میانگین مقدار نزدیک‌ترین همسایه‌ها، مقدار مدنظر را پیش‌بینی می‌کند.