k-NN con escalado

Tema: ML Clásico · Catálogo de recetas · temario: Syllabus IOAI

📍 Dónde se aprende: módulo 06 de la Ruta de Aprendizaje.

Qué hace

Clasificación por vecinos más cercanos, con el escalado dentro de un Pipeline.

Cuándo usarla

Como referencia rápida, y siempre que la noción de «parecido» sea la que importa. Es también el punto de partida natural de las tareas de emparejamiento.

Implementación

Necesita: numpy, sklearn.

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
 
 
def knn(X_train, y_train, X_test, k=5):
    """k-NN con escalado dentro del pipeline.
 
    El `Pipeline` no es cosmético: garantiza que el escalador se ajuste solo con
    los datos de entrenamiento de cada fold, que es justo lo que se olvida al
    escribirlo a mano.
    """
    modelo = make_pipeline(StandardScaler(), KNeighborsClassifier(n_neighbors=k))
    modelo.fit(X_train, y_train)
    return modelo.predict(X_test)

⚠️ Notas

Las features con magnitudes grandes pueden dominar la distancia por sus unidades. Escalar ayuda si esas diferencias no representan importancia real; no siempre conviene, por ejemplo si la distancia original ya tiene sentido físico. El Pipeline garantiza además que el escalador se ajuste solo con train dentro de cada fold de validación cruzada.

🔗 Relacionadas


Verificada

Este código se ejecuta en cada publicación, contra una referencia obviamente correcta, en herramientas/pruebas/modelos.py. Si se rompe, el sitio no se actualiza.

Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI