Problemática: El problema que se quiere solucionar es permitir una identificación eficiente y rápida en un edificio, condominio, etc. Como consecuencia; además, se podría prescindir de los servicios de guardias, seguridad, etc.
Técnica: La técnica que se esta usando es la de los K vecinos más cercanos porque es una de las más sencillas para comenzar en el machine learning. Además, es un aprendizaje supervisado muy fácil de entender.
Una introducción simple al algoritmo de K vecinos más cercanos
K Nearest Neighbor es un algoritmo simple que almacena todos los casos disponibles y clasifica los nuevos datos o casos en función de una medida de similitud. Se utiliza principalmente para clasificar un punto de datos en función de cómo se clasifican sus vecinos.
Veamos a continuación el ejemplo del vino. Dos componentes químicos llamados Rutime y Myricetin. Considere una medición del nivel de rutina vs miricetina con dos puntos de datos, vinos tintos y blancos. Lo han probado y luego caen en ese gráfico según la cantidad de rutina y el contenido químico de miricetina presente en los vinos.
'k' en KNN es un parámetro que se refiere al número de vecinos más cercanos a incluir en la mayoría del proceso de votación.
Supongamos que agregamos una nueva copa de vino en el conjunto de datos. ¿Nos gustaría saber si el vino nuevo es tinto o blanco?
Entonces, necesitamos averiguar cuáles son los vecinos en este caso. Digamos k = 5 y el nuevo punto de datos se clasifica por la mayoría de los votos de sus cinco vecinos y el nuevo punto se clasificaría como rojo ya que cuatro de cada cinco vecinos son rojos.
link de la info: https://towardsdatascience.com/a-simple ... b3519ed98e
El archivo de presentación pesa mucho para subirlo directamente por ello, uso este enlace: https://drive.google.com/file/d/125Mh6x ... qG1b9/view