K-Nearest Neighbors (KNN)

Es un algoritmo de aprendizaje supervisado utilizado tanto para clasificación como para regresión.

Se basa en la idea de que objetos similares suelen estar cerca en un espacio de características.

Funciona identificando los k puntos de entrenamiento más cercanos al dato a predecir, donde k es un número que se define de antemano.

Calcula la distancia entre el dato a analizar y los ejemplos de entrenamiento, utilizando métricas como la distancia euclidiana, Manhattan u otras.

En la clasificación, asigna una etiqueta en función de la mayoría de las categorías presentes entre los vecinos más cercanos.

Para problemas de regresión, calcula el promedio o el valor ponderado de los vecinos más cercanos para estimar el resultado.

Es sencillo de implementar pero puede ser computacionalmente costoso con conjuntos de datos muy grandes.

Requiere de una cuidadosa selección de la métrica de distancia y del número k para obtener un buen rendimiento general.

Se desempeña mejor con datos bien equilibrados y requiere preprocesamiento para características con escalas diferentes.

Es intuitivo y eficaz en tareas donde los datos no tienen una estructura demasiado compleja.