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