Clasificador de centroide más cercano

En el aprendizaje automático , un clasificador de centroide más cercano o clasificador de prototipo más cercano es un modelo de clasificación que asigna a las observaciones la etiqueta de la clase de muestras de entrenamiento cuya media ( centroide ) es la más cercana a la observación. Cuando se aplica a la clasificación de texto utilizando vectores de palabras que contienen pesos tf*idf para representar documentos, el clasificador de centroide más cercano se conoce como clasificador de Rocchio debido a su similitud con el algoritmo de Rocchio para la retroalimentación de relevancia . ^[1]

Una versión ampliada del clasificador de centroide más cercano ha encontrado aplicaciones en el ámbito médico, específicamente en la clasificación de tumores . ^[2]

Dadas muestras de entrenamiento etiquetadas con etiquetas de clase , calcule los centroides por clase , donde es el conjunto de índices de muestras que pertenecen a la clase . ${\displaystyle \textstyle \{({\vec {x}}_{1},y_{1}),\dots,({\vec {x}}_{n},y_{n})\}}$${\displaystyle y_{i}\in \mathbf {Y} }$${\displaystyle \textstyle {\vec {\mu }}_{\ell }={\frac {1}{|C_{\ell }|}}{\underset {i\in C_{\ell }}{\ suma }}{\vec {x}}_{i}}$${\displaystyle C_{\ell}}$${\displaystyle \ell \in \mathbf {Y}}$

La clase asignada a una observación es . ${\displaystyle {\vec {x}}}$${\displaystyle {\hat {y}}={\arg \min }_{\ell \in \mathbf {Y} }\|{\vec {\mu }}_{\ell }-{\vec {x }}\|}$

• Hipótesis de agrupamiento
• Agrupamiento de k -medias
• algoritmo del k -vecino más cercano
• Análisis discriminante lineal