Un nuevo algoritmo de aprendizaje llamado SmartKNN ha sido desarrollado para mejorar el rendimiento de los métodos de vecinos más cercanos (KNN). El algoritmo, creado por Thatipamula-Jashwanth y disponible en GitHub, busca superar las limitaciones de los enfoques KNN tradicionales, como el tratamiento uniforme de las características y la sensibilidad a datos ruidosos. SmartKNN incorpora técnicas de estimación de importancia de características basadas en datos, supresión de dimensiones y búsqueda adaptativa de vecinos, ofreciendo opciones tanto de búsqueda exhaustiva como aproximada.
Este nuevo método es compatible con las tareas de regresión y clasificación, priorizando la robustez, la precisión predictiva y la latencia de inferencia, y está diseñado para escalar a conjuntos de datos grandes. Incluye características como ponderación de características aprendidas, manejo automático de preprocesamiento (normalización, manejo de NaN/Inf, enmascaramiento de características) y votación de vecinos ponderada por distancia. La API es compatible con Scikit-learn y permite la aceleración por GPU. La versión 2.0 es estable y la API está congelada para garantizar la compatibilidad hacia atrás, con el proyecto activamente mantenido y abierto a colaboraciones. Se puede instalar a través de pip install smart-knn.