Breve revisión sobre la selección de instancias basada en vecinos más cercanos condensados para tareas de clasificación de datos

Abstract

El clasificador de vecinos más cercanos condensados (CNN) es una de las técnicas más utilizadas y conocidas para realizar tareas de reconocimiento. A pesar de su simplicidad, también ha demostrado ser uno de los algoritmos más interesantes en el campo de la minería de datos. Sin embargo, el CNN presenta varias desventajas, como altos requisitos de almacenamiento y baja tolerancia al ruido. Una de las características del CNN es que se centra en la selección de prototipos, lo que consiste en reducir el conjunto de datos de entrenamiento. Uno de los objetivos del CNN es lograr la reducción de información de tal manera que la información reducida pueda representar grandes cantidades de datos para tomar decisiones sobre ellos. Este artículo menciona algunas de las contribuciones más recientes a los algoritmos no supervisados basados en CNN en una revisión que se fundamenta en los principios matemáticos de los métodos condensados.