Los vecinos más cercanos (kNN, por sus siglas en inglés de "k-nearest neighbors") es un algoritmo de aprendizaje supervisado utilizado en el campo de la inteligencia artificial y el machine learning.
El algoritmo kNN se basa en la idea de que los objetos que son similares están cercanos en un espacio n-dimensional. El objetivo del algoritmo kNN es clasificar nuevos puntos de datos basados en los puntos de datos existentes que están más cercanos a ellos en términos de distancia euclidiana.
En el proceso de entrenamiento del modelo kNN, el algoritmo calcula la distancia entre cada punto de datos y los demás puntos de datos en el conjunto de entrenamiento. Cuando se recibe un nuevo punto de datos, el algoritmo busca los k puntos de datos más cercanos a él y clasifica el nuevo punto de datos según la etiqueta (clase) más común de los k vecinos más cercanos.
El valor de k es un hiperparámetro del algoritmo y se selecciona de acuerdo con la complejidad del problema y el tamaño del conjunto de datos. El algoritmo kNN es simple y fácil de implementar, pero su eficacia puede verse afectada por la elección del valor de k y la dimensión de los datos.
Para saber cómo funciona la tecnología semántica, lo primero que debes saber es que se encarga de ayudar a los sistemas de inteligencia artificial [...]
Leer más »El contenido de este artículo sintetiza parte del capítulo “Concepto y breve historia de la Inteligencia Artificial” de la tesis Generación de [...]
Leer más »Hace unos días pudimos asistir a un evento pionero en el mundo del Retail, la feria Retail Future 2022. En su quinta edición, y bajo el lema “Reta [...]
Leer más »El aprendizaje automático es una rama de la inteligencia artificial (IA) que se basa en conseguir que un sistema sea capaz de aprender a partir de la [...]
Leer más »