# Etkileşimli k-En Yakın Komşu

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="hundred_page_ml.html">Genel Harita</a>
  <a class="mlv-demo-link" href="book_fundamental_algorithms.html">Temel Algoritmalar</a>
  <a class="mlv-demo-link" href="interactive_book_decision_tree.html">Karar Ağacı</a>
  <a class="mlv-demo-link active" href="interactive_book_knn.html">kNN</a>
  <a class="mlv-demo-link" href="interactive_book_svm.html">SVM</a>
  <a class="mlv-demo-link secondary" href="../_static/demos/book-knn.html">Tam Ekran Demo</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Kitap / Bölüm 3</div>
  <p class="mlv-demo-lead">kNN, klasik anlamda “öğrenilmiş parametre” üretmek zorunda değildir. Kararı, sorgu anında en yakın örnekleri yoklayarak verir. Kitabın örnek tabanlı düşünme dediği çizgi burada canlı hale geliyor.</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>`k` değerini değiştir, veri desenini değiştir ve canvas üzerinde istediğin yere tıklayıp sorgu noktasını taşı.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>`k=1` çok yerel ve kırılgan davranır; `k` büyüdükçe sınır daha pürüzsüz ama daha kaba hale gelir.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Kitaptaki Karşılığı</strong>
    <span>Bu model, kararın global parametreden değil yerel komşuluk yapısından da gelebileceğini gösterir.</span>
  </div>
</div>

<div class="mlv-demo-note">
Burada model aslında veriyi ezberler gibi görünür; ama asıl karar mekanizması uzaklık ve komşuluk yapısında yatar. Bu yüzden veri geometrisi her şeydir.
</div>

<iframe
  class="mlv-demo-frame"
  src="../_static/demos/book-knn.html"
  title="kNN Demosu"
  loading="lazy"
  frameborder="0"
></iframe>
