EJEMPLOS · VECINOS · ERRORES
Entrena un clasificador kNN en tu dispositivo. Descubre cómo los ejemplos cambian sus decisiones.
Sensores sintéticos 0–100. Sin hardware, cámara, red neuronal ni API de IA de pago. Guarda datos localmente por cuenta; sin sincronización automática.
Mayor número significa mayor distancia virtual. Frente: espacio libre delante. Persona: distancia a una persona. Ningún valor está en metros.
Referencia pedagógica: persona <60 → ESPERAR; en otro caso frente <60 → GIRAR; si no, AVANZAR. Puedes enseñar otras etiquetas; documenta tu criterio.
Sin modelo entrenado.
Filas = etiquetas deseadas. Columnas = predicciones. Recuperación por clase: aciertos de esa clase / casos de esa clase. Sin casos no equivale a cero.
Cada celda consulta el modelo en los valores indicados. No representa un espacio físico. A = AVANZAR, G = GIRAR, E = ESPERAR. Persona sube verticalmente; frente horizontalmente.
El acuerdo de vecinos es una proporción de votos, no una probabilidad calibrada de acierto. Empate: gana la clase con el vecino más cercano; distancias iguales conservan orden de filas.
Secuencia fija de sensores independientes: las acciones no cambian las próximas lecturas. No es navegación ni control de hardware.
Esta regla educativa no certifica seguridad física.
Hasta 20 copias. Conservan ejemplos y configuración; el modelo se reconstruye al entrenar. Los cambios de datos se guardan al confirmarlos. Guarda nombre y nota antes de cerrar.
PDF/TXT incluyen la configuración y la evaluación vigente si has entrenado. Al cambiar datos se invalida. CSV conserva tus ejemplos. JSON conserva borrador, experimentos y progreso, sin modelo temporal.
Restaurar reemplaza todos los datos después de confirmar. No fusiona ni sincroniza dispositivos.
Descarga el ebook desde tu compra en NUMMIRAX