KNN-dekoder

KNN-dekoderen tolker modellbeslutninger ved å vise hvordan en spørringsvektor plasserer seg i forhold til merkede datapunkter. Den aksepterer en funksjonsvektor, et merket datasett, en k-verdi og en avstandsmåling og returnerer de k nærmeste naboene med deres etiketter, avstander og eventuelle vekter. Dette gjør det mulig for utviklere, dataforskere og ML-ingeniører å undersøke lokasjonsfaktorer som driver klassifisering eller regresjon. Verktøyet støtter både flate og avstandsvektede avstemninger og kan brukes med numeriske embeddinger eller konstruerte feature-arrays. Konseptuelt konstruerer verktøyet en nabo-sett ved å beregne avstander mellom spørringen og hvert datapunkt, sortere etter avstand og aggregere etiketter for å avsløre dominerende klasser, blandede beslutninger eller uavgjort. For forklarbarhet kan det presentere grunnleggende statistikk som gjennomsnittlig avstand per etikett, konsensus-score og en tillit. Det er ment å validere modellatferd, sammenligne avstandsmålinger og feilsøke feilmerkede instanser uten å endre modellkoden. Hovedverdien ligger i åpenhet, reproduksjon og rask feilsøking. Funksjoner inkluderer inndata-validering, valgfri normalisering, støtte for flere datasett, batch-dekodering og eksport av resultater som JSON eller CSV. Typiske brukstilfeller inkluderer evaluering av feature-engineering, modellrevisjon i klassifikasjons-pipelines og rask prototyping av avstandsbasert henting. Forskjellen ligger i et kompakt dekoder-arbeidsflyt som vektlegger forklarbarhet og revisjonsvennlighet for ML-praktikere som jobber med embeddingsrom.