Fase expositiva del método científico
Clasificado en Diseño e Ingeniería
Escrito el en español con un tamaño de 2,16 KB
K-vecinos
o Este método calcula la distancia desde el punto a
Clasificar a todos los puntos de entrenamiento.
O Ordena las distancias, escoge las K menores y clasifica el
Punto en la clase predominante.
• Es un método no paramétrico: no
Aprende una función f que asigna la
Clase a la forma.
• Usa todo el conjunto de entrenamiento
Para asignar la clase.
• Necesita almacenar todos los puntos de
Entrenamiento para clasificar los puntos
De test.
K se suele tomar impar para evitar empates
O Este método de clasificación soluciona bastante bien el
Problema de los elementos discordantes del conjunto de
Entrenamiento.
O Un elemento discordante no suele alterar la clasificación si K
Es suficientemente grande.
Si K es pequeño se generan muchas regiones
Pequeñas y la clasificación es muy sensible a los
Puntos discordantes.
O Si K es grande se generan regiones más grandes,
Es menos sensible a puntos discordantes, pero se
Pueden ignorar ciertas clases.
Ventajas:
• Simple e intuitivo: fácil de implementar.
• Las regiones de decisión se pueden adaptar a cualquier forma.
• Teóricamente óptimo si el conjunto de datos de entrenamiento es
Lo suficientemente grande.
O Inconvenientes:
• Es necesario almacenar todos los datos de entrenamiento en la
Fase de clasificación.
• Clasificación computacionalmente costosa (calcular las distancias
Con todos los puntos de entrenamiento).
• Puede ser sensible a descriptores ‘ruidosos’ si K no es óptimo.