Resumen

Los vecinos más cercanos (kNN) es un clasificador muy popular basado en instancias debido a su simplicidad y buen rendimiento empírico. Sin embargo, los conjuntos de datos a gran escala son un gran problema para construir clasificadores basados en vecindarios rápidos y compactos. Este trabajo presenta el diseño e implementación de un algoritmo de clasificación con estructuras de datos de índice, que nos permitiría construir soluciones rápidas y escalables para conjuntos de datos multidimensionales grandes. Proponemos un enfoque novedoso que utiliza la representación de grafo de proximidad de pequeño mundo navegable (NSW) de conjuntos de datos a gran escala. Nuestro enfoque muestra una aceleración de la velocidad de clasificación de 24 veces tanto para el tiempo promedio como para el percentil 99, con una precisión de clasificación asintóticamente cercana al método 1-NN. Observamos un tiempo de clasificación dos órdenes de magnitud mejor en casos en los que el método utiliza memoria de intercambio. Mostramos que el grafo

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Vecinos; Clasificador; Algoritmo; Estructuras de datos de índice; Conjuntos de datos a gran escala; Precisión de clasificación
• Keywords:Neighbours; Classifier; Algorithm; Index data structures; Large-scale datasets; Classification accuracy