Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

K-nearest neighbors

Engels: K-Nearest Neighbors · Ook wel: k-NN, KNN, k-nearest neighbour, k-dichtste buren

In het kort

k-dichtste buren (k-NN) is een methode in machine learning voor classificatie en regressie. Het slaat bekende voorbeelden alleen op, meet de afstand tot een nieuw gegeven en neemt de meest voorkomende klasse of het gemiddelde van de k dichtstbijzijnde voorbeelden. Zo krijgt een onbekende vrucht het label appel wanneer de meeste nabije voorbeelden, gemeten op kenmerken zoals hoogte en breedte, appels zijn.

Waarom is dit belangrijk?

Met k-dichtste buren kunnen systemen een onbekend geval indelen of een getal schatten, ook als niemand van tevoren vaste regels heeft opgeschreven. In de zorg zetten onderzoekers de methode in om ziekten te voorspellen uit eerdere patiëntgegevens. Werknemers in ziekenhuizen en patiënten krijgen daardoor extra steun bij het maken van een medische inschatting, maar bij onzuivere gegevens kan de uitkomst fout zijn.

Zo werkt het in de praktijk

In de mediasector zoeken diensten als Netflix en Spotify gebruikers met een vergelijkbare smaak en stellen zij titels voor die bij die nabije gebruikers pasten. In beeldherkenning haalt software eerst kenmerken uit een gezicht. Daarna deelt k-dichtste buren het beeld in, bijvoorbeeld met OpenCV.

Onderzoekers van de Universiteit van Patras beschrijven extra taken voor k-dichtste buren. Zij noemen het opsporen van afwijkende gevallen, het verminderen van kenmerken en het invullen van lege waarden. Vakgenoten kiezen zo een passende versie en software.

Onderzoekers die sensordata van smartphones en smartwatches indelen, gebruiken CRISP-DM (een vaste reeks stappen om data te analyseren). In die werkwijze vergelijken zij k-dichtste buren met andere methoden.

Gecontroleerd op 23 oktober 2026