KNN

Página 1

Objetivos

Comprender el funcionamiento del algoritmo KNN en clasificación y regresión

Aplicar diferentes métricas de distancia y evaluar su impacto

Analizar el efecto del hipeparámetro k en el modelo

Implementar KNN con scikit-learn y evaluar su rendimiento

Ajustar hiperparámetros mediante validación cruzada

Ideas básicas

KNN es un algoritmo basado en vecindad

No requiere un entrenamiento tradicioinal, sino que almacena los datos y los utiliza en la fase de predicción

Se basa en la suposición de que puntos similares están próximos entre sí

KNN: Un algoritmo no paramétrico

No paramétrico: No asume una forma específica de la función que relaciona entrada y salida.

Almacena el conjunto de entrenamiento completo y predice basándose en vecino cercanos

Flexible ante relaciones complejas, pero elevado coste computacional

Aplicaciones de KNN

Reconocimiento de imágenes: Clasificación de dígitos escritos a mano

Sistemas de recomendación: Sugerencias basadas en similitud de usuarios

Diagnóstico médico: Comparación de síntomas con casos previos

Detección de fraudes: Identificación de transacciones sospechosas

Normalizacion -> 0 y 1

Estandarización -> Misma escala