K-Vecinos Más Cercanos en Línea
El algoritmo K-Vecinos Más Cercanos en Línea (KNN en Línea) adapta el algoritmo KNN clásico a un entorno de flujo de datos donde las observaciones llegan secuencialmente y el modelo debe actualizarse incrementalmente sin reentrenamiento completo. En lugar de almacenar todas las instancias históricas, mantiene una ventana deslizante acotada o una memoria adaptativa, utilizando los ejemplos más recientes y representativos para clasificar o predecir cada punto entrante por proximidad.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Losing, V., Hammer, B., & Wersing, H. (2016). KNN Classifier with Self Adjusting Memory for Heterogeneous Concept Drift. In Proceedings of the IEEE 16th International Conference on Data Mining (ICDM), pp. 291–300. IEEE. DOI: 10.1109/ICDM.2016.0040 ↗
- Gama, J. (2010). Knowledge Discovery from Data Streams. CRC Press / Chapman & Hall. ISBN: 978-1-4398-2611-9
Cómo citar esta página
ScholarGate. (2026, June 3). Online K-Nearest Neighbors (Incremental KNN for Data Streams). ScholarGate. https://scholargate.app/es/machine-learning/online-k-nearest-neighbors
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Árbol de Decisión en LíneaAprendizaje automático↔ compare
- Aprendizaje en líneaAprendizaje automático↔ compare
- Naive Bayes en líneaAprendizaje automático↔ compare
- Random Forest en líneaAprendizaje automático↔ compare
- K-vecinos más cercanos semi-supervisadoAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →