Clasificación por k vecinos más cercanos (k-NN): una idea del aprendizaje automático
InformáticaDatos, IA y aprendizaje automáticoEdades 17–18
Úsala con tu clase: tus estudiantes la abren con un enlace o un código QR, sin crear una cuenta.
Sigue con Datos, IA y aprendizaje automático
Los datos de entrenamiento son dos clases de puntos en un plano definido por dos características. Los estudiantes arrastran un punto nuevo (la estrella) a cualquier posición: la computadora encuentra sus k vecinos más cercanos, cuenta los votos de cada clase y etiqueta el punto nuevo; el fondo sombreado muestra la frontera de decisión del modelo. Añade puntos de entrenamiento con un clic y cambia k para ver cómo el modelo se vuelve más irregular o más suave.
Lección: Introducción al aprendizaje automático: problemas de clasificación, datos de entrenamiento, algoritmo de los k vecinos más cercanos
Qué muestra
Los k vecinos más cercanos son uno de los algoritmos más sencillos de aprendizaje automático supervisado. Los ejemplos de entrenamiento etiquetados se representan según dos características, como la masa y el dulzor de naranjas y pomelos. Para clasificar un punto nuevo, el algoritmo mide la distancia en línea recta (euclídea) a cada punto de entrenamiento, toma los k más cercanos y los hace votar; un empate lo decide el vecino más cercano. Con k pequeño la frontera de decisión es irregular y sigue a los puntos ruidosos; con k mayor es más suave. Si las clases se solapan, algunos errores son inevitables.
Cómo usarla
Elige un Problema y empieza con k = 1 y Sombrear la región de decisión activado. Arrastra la estrella a distintas zonas y lee los votos. Sube el Número de vecinos k y observa cómo se suaviza la frontera; luego sube la Dispersión para que las clases se solapen. Usa Añadir punto clase A o Añadir punto clase B para colocar un valor atípico y ver cómo afecta a k pequeño y grande. Pulsa Datos nuevos para comprobar si las conclusiones se mantienen.
Parámetros que puedes cambiar
- Número de vecinos k 1–15
- Puntos de entrenamiento por clase 5–40 puntos
- Dispersión (solapamiento entre las dos clases) 1–5
- Sombrear la región de decisión
- Problema Naranja o pomelo (masa, dulzor), Dos especies de flor (largo y ancho del pétalo), Correo spam o normal (número de enlaces, longitud)
Preguntas para explorar
- ¿Por qué suele elegirse un valor impar de k cuando hay dos clases?
- ¿Qué confianza merece la predicción para un punto nuevo situado donde las dos clases se solapan?
- ¿Cómo cambia la frontera de decisión un punto de entrenamiento mal etiquetado con k = 1 y con k = 7?
