Ejemplos de Aplicaciones de K-Vecinos Más Cercanos

Aplicaciones de K-Vecinos Más Cercanos

Por qué el algoritmo simple es más práctico de lo que piensas

Mi primer algoritmo de aprendizaje automático fue un modelo de vecinos más cercanos (KNN). Tiene sentido para los principiantes: intuitivo, fácil de entender e incluso se puede implementar sin utilizar paquetes dedicados.

Porque tiene sentido para los principiantes, también tiene mucho sentido al explicarlo a cualquier persona no familiarizada con el aprendizaje automático. No puedo expresar con palabras lo mucho más fácil que es convencer a un grupo de personas escépticas con el enfoque KNN que con un bosque aleatorio de caja negra.

Es un héroe desconocido de los enfoques de modelado y sirve como una excelente referencia antes de pasar a algoritmos más complejos, y para muchos casos de uso, es posible que descubras que el tiempo y el costo de los algoritmos más complejos no valen la pena.

Para inspirarte en tu modelado, aquí tienes tres ejemplos de aplicaciones de KNN donde es posible que obtengas resultados mucho mejores de lo que piensas en un escenario del mundo real.

• ¿Puede (Muy) Simple Matemáticas Informar RLHF Para Modelos de Lenguaje Grandes LLMs? ¡Este artículo de IA dice que sí!
• El Problema de Enrutamiento de Vehículos Soluciones Exactas y Heurísticas
• ¿Qué es la Inteligencia de Negocios?

Modelado de Mezcla de Marketing (MMM)

Trabajo en marketing, y mi trabajo con sistemas MMM típicamente implica identificar canales de marketing que mejorarán el rendimiento de las campañas y/o ampliarán la campaña para llegar a más personas. A alto nivel, esto se conoce como modelado de mezcla de marketing (o medios).

El objetivo de cualquier tipo de modelado con MMM es comprender la efectividad de cada entrada de marketing tanto en aislamiento como en combinación con otras, y luego optimizar la mezcla de marketing para lograr la máxima efectividad.

El enfoque más básico consiste en predecir el impacto de diferentes estrategias de marketing en función de datos históricos. Un modelo KNN consideraría cada estrategia de marketing como un punto en un espacio multidimensional, donde las dimensiones podrían ser varias entradas de marketing como gastos publicitarios, actividades promocionales, estrategia de precios, etc.

Cuando se propone una nueva estrategia de marketing o se necesita optimizar una estrategia existente, el modelo puede predecir los resultados de la estrategia al observar las ‘k’ estrategias históricas más similares, es decir, los ‘k’ vecinos más cercanos en el espacio multidimensional.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!