K vecinos más cercanos
Sinónimos: K-NN · K-Nearest Neighbors
Definición ampliada
K vecinos más cercanos, K-NN o K-Nearest Neighbors, predice para una observación nueva a partir de las k observaciones etiquetadas más próximas en un espacio de características. En clasificación puede usar el voto mayoritario; en regresión, una media de los valores de los vecinos. La regla depende de la representación, la distancia y el valor de k [1].
A diferencia de K-medias, aquí los ejemplos de referencia ya tienen una etiqueta o valor conocido. La semejanza geométrica se usa para predecir, no para descubrir grupos.
Contexto histórico
Cover y Hart analizaron en 1967 la regla del vecino más cercano y sus propiedades de clasificación [1]. Las extensiones a varios vecinos consolidaron una familia de métodos de referencia sencillos, sin un modelo paramétrico global que deba ajustarse de antemano.
Importancia actual
A fecha de septiembre de 2026, K-NN sigue siendo una referencia transparente para comparar métodos más complejos cuando existe una distancia defendible entre casos. Su sencillez no equivale a interpretabilidad clínica: saber qué casos quedan cerca no explica necesariamente por qué comparten un resultado.
Aplicaciones
Generales
- Clasificar observaciones tabulares con ejemplos etiquetados.
- Estimar un valor continuo como promedio local.
- Comparar un método complejo con una referencia basada en proximidad.
Sanitarias
Puede servir como referencia en un estudio de predicción con datos clínicos estructurados. La evaluación debe mantener separados los pacientes de entrenamiento y prueba, fijar el preprocesado solo con los datos de entrenamiento y comprobar si la distancia conserva sentido entre centros.
Limitaciones
- Escalas y variables irrelevantes pueden dominar la distancia; el resultado cambia con la normalización y la selección de características.
- Elegir k con el mismo conjunto usado para evaluar el rendimiento sesga la estimación; se necesita validación cruzada bien separada.
- Buscar vecinos entre muchos ejemplos puede ser costoso, y en alta dimensión las distancias pueden discriminar menos.
- Si ciertas clases o centros están sobrerrepresentados, el voto puede reflejar esa composición en vez de una relación clínica transportable.
Ejemplos
Ejemplo hipotético: para predecir una categoría de seguimiento, un equipo compara cada caso con sus cinco pacientes más cercanos en variables declaradas. La predicción cambia al incluir la edad en años sin estandarizar junto a medidas en otra escala. El equipo revisa esa elección y valida el procedimiento en otro periodo antes de usarlo.