k-Vecinos más Cercanos Regularizado
El algoritmo k-Vecinos más Cercanos Regularizado (kNN) extiende el algoritmo clásico de vecinos más cercanos incorporando mecanismos de regularización —más comúnmente ponderación de distancia basada en kernel o control de ancho de banda— que suavizan las predicciones, reducen la sensibilidad a la elección de k y disminuyen la varianza. El resultado es un aprendiz basado en instancias más estable y mejor calibrado para tareas de clasificación y regresión en datos tabulares.
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
- Cover, T. & Hart, P. (1967). Nearest neighbor pattern classification. IEEE Transactions on Information Theory, 13(1), 21–27. DOI: 10.1109/TIT.1967.1053964 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 13). Springer. ISBN: 978-0-387-84858-7
Cómo citar esta página
ScholarGate. (2026, June 3). Regularized k-Nearest Neighbors (Kernel-Weighted kNN). ScholarGate. https://scholargate.app/es/machine-learning/regularized-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.
- Proceso gaussianoAprendizaje automático↔ compare
- Proceso Gaussiano RegularizadoAprendizaje automático↔ compare
- Regresión logística regularizadaAprendizaje automático↔ compare
- Máquina de Vectores de Soporte RegularizadaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →