| Revista: | Universita ciencia |
| Base de datos: | |
| Número de sistema: | 000577862 |
| ISSN: | 2007-3917 |
| Autores: | Hernández Rodríguez, Selene1 Torrijos Muñoz, María Patricia1 |
| Instituciones: | 1Instituto Tecnológico de Puebla, |
| Año: | 2022 |
| Volumen: | 10 |
| Número: | 28 |
| Paginación: | 34-49 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | Currently, in different sciences such as medicine, geosciences, astronomy, among others, the supervised classification task has provided solutions to many important problems. One of the most used supervised classification algorithms has been k nearest neighbors (or k Neares Neighbors, k-NN), which has shown to be a simple but effective algorithm. The k nearest neighbors algorithm performs an exhaustive comparison between the new object to be classified and all the elements of the training set. However, when the training set is large, this process is expensive and in some cases this exhaustive search becomes very slow or inapplicable. In order to speed up the classification process and omit comparisons, fast classifiers based on the nearest neighbor algorithm (Fast k-NN) have been proposed in recent years. Most of these Fast k-NN algorithms rely on the metric properties of the distance function to omit comparisons or other heuristics. |
| Resumen en español | Actualmente, en diferentes ciencias como la medicina, las geociencias, la astronomía, entre otras, la tarea de clasificación supervisada ha dado solución a muchos problemas importantes. Uno de los algoritmos de clasificación supervisada más utilizados ha sido k vecinos más cercanos (o k Neares Neighbors, k-NN), el cual ha mostrado ser un algoritmo simple, pero efectivo. El algoritmo k vecinos más cercanos realiza una comparación exhaustiva entre el nuevo objeto a clasificar y todos los elementos del conjunto de entrenamiento. Sin embargo, cuando el conjunto de entrenamiento es grande, este proceso es costoso y en algunos casos esta búsqueda exhaustiva se vuelve un proceso muy lento o inaplicable. Para agilizar el proceso de clasificación y omitir comparaciones, se han propuesto en los últimos años clasificadores rápidos basados en el algoritmo del vecino más cercano (Fast k-NN). La mayoría de estos algoritmos Fast k-NN se basan en las propiedades métricas de la función de distancia para omitir comparaciones o bien otras heurísticas. |
| Palabras clave: | regla del vecino más cercano, clasificadores rápidos, vecino cercano |
| Keyword: | Nearest neighbor rule, Fast k-NN/k-MSN classifiers |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
