Fase expositiva del método científico

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.