statistics Principiante
k-Vecinos Cercanos (k-NN)
Un modelo perezoso que clasifica según la mayoría entre los ejemplos más cercanos.
machine-learning vecindad clasificación
k-NN no aprende una fórmula global: guarda los datos y, cuando llega un caso nuevo, mira cuáles son sus vecinos más cercanos para decidir por mayoría.
Explora una decisión local
Laboratorio k-NN
Mayoría local entre vecinos
Ajustes
Predicción local
Clase positiva
3 de 5 vecinos cercanos apoyan esta clase.
Qué mirar
- k pequeño hace el modelo más sensible al ruido.
- k grande suaviza la decisión pero puede borrar patrones locales.
- Los vecinos resaltados son la única evidencia usada para clasificar.
Intuición básica
La decisión depende del vecindario inmediato. Si alrededor del nuevo punto predominan ejemplos positivos, la predicción será positiva; si predominan negativos, ocurrirá lo contrario.
Qué observar
- Con un
kpequeño, el modelo reacciona mucho al ruido local. - Con un
kgrande, la frontera se suaviza y pierde detalle. - La escala de las variables importa porque la distancia manda toda la decisión.
Aplicaciones
Es útil para prototipos, reconocimiento de patrones locales y escenarios donde se prefiere una regla intuitiva basada en cercanía antes que un modelo paramétrico complejo.