IA: clasificar con los k vecinos más cercanos
El algoritmo de los k vecinos más cercanos (k-NN) clasifica un elemento nuevo mirando los ejemplos que más se le parecen. Medimos la distancia entre los puntos (aquí con math.dist), nos quedamos con los k más cercanos y hacemos votar sus etiquetas.
Sin entrenamiento complicado: todo está en los datos. La elección de k importa: si es muy pequeño, un solo ejemplo raro basta para equivocarse; si es muy grande, se mezclan grupos distintos. collections.Counter cuenta los votos fácilmente.
import math
fruits = [((150, 7), "apple"), ((170, 8), "apple"), ((120, 4), "lemon"), ((110, 3), "lemon")]
new = (160, 7)
def distance(p, q):
return math.dist(p, q)
closest = min(fruits, key=lambda item: distance(item[0], new))
print("Nearest neighbour:", closest[1])