Aprendizaje Basado en Instancias

El aprendizaje basado en instancias es una familia de métodos de aprendizaje automático que, en lugar de construir un modelo general durante el entrenamiento, se limitan a almacenar los ejemplos y posponen todo el cálculo hasta que llega una consulta nueva. Por esa pereza deliberada se le conoce también como aprendizaje perezoso (lazy learning). Su premisa es sencilla: entradas parecidas producen salidas parecidas.

El ejemplo canónico: los k vecinos más cercanos

El método emblemático es el de los k vecinos más cercanos (k-NN). Para clasificar un caso nuevo, busca los k ejemplos guardados más próximos —según una métrica de distancia, como la euclídea— y le asigna la clase mayoritaria entre ellos; en regresión, promedia sus valores. No hay entrenamiento propiamente dicho: toda la «inteligencia» está en comparar.

Perezoso frente a ansioso

Esto lo opone al aprendizaje ansioso (eager learning), que sí generaliza durante el entrenamiento construyendo un modelo —un árbol de decisión, una red neuronal— con el que luego predice deprisa. La diferencia está en cuándo se hace el trabajo: el perezoso entrena en un instante pero predice despacio; el ansioso invierte tiempo en entrenar para luego predecir rápido. Una ventaja del perezoso es que se adapta a datos nuevos sin reentrenar: basta añadirlos a la memoria.

Sus límites

El precio de esa simplicidad es alto. En predicción es lento, porque hay que comparar cada consulta con muchos ejemplos, y consume memoria, porque guarda todo el conjunto. Sufre la maldición de la dimensionalidad: con muchas variables, las distancias se uniformizan y la noción de «vecino cercano» pierde sentido. Y es sensible a la escala de las características y a las irrelevantes, por lo que conviene normalizar los datos y elegir bien qué variables usar.