Abstract: This article summarizes the main contributions of the thesis with the title “K-Nearest neighbor in a classification and prediction application in the Judicial Power of Peru". In this thesis a model is constructed using the method of the nearest k-neighbors that allows classifying and predicting the Superior Courts of Justice of Peru. Through a descriptive data analysis, the Lima Court is excluded from the study. With the remaining 30 Superior Courts, a three-group model based on unsupervised classification is generated, for which the Euclidean distance matrix that originates the classification tree is deduced. The classification model of three nearest neighbors is constructed, with partition and random cross-validation folds, which indicates; the predictor space model, the quadratic error or error index that validates the op-timal value of k = 3 neighbors, the model error and...

Este artículo resume las contribuciones principales de la tesis con el título “K-vecino más próximos en una aplicación de clasificación y predicción en el Poder Judicial del Perú". En esta tesis se construye un modelo utilizando el método de los k-vecinos más próximos que permite clasificar y predecir las Cortes Superiores de Justicia del Perú. Mediante un análisis descriptivo de datos se excluye la Corte de Lima del estudio. Con las restantes 30 Cortes Superiores, se genera un modelo de tres grupos fundado en clasificación no supervisada, para ello se deduce la matriz de distancia euclidiana que origina el árbol de clasificación. Se construye el modelo de clasificación de tres vecinos más próximos, con partición y pliegues de validación cruzada aleatoria, que indica; el modelo de espacio de predictores, el error cuadrático o índice de error que valida el valor Ã...

Busca encontrar modelos utilizando el método de los k−vecinos más próximos con el propósito de clasificar las 31 Cortes Superiores de Justicia del País y poder realizar predicciones para futuras Cortes Superiores de Justicia. Verifica la validez del modelo de clasificación y predicción de las Cortes Superiores de Justicia basado en el método de los k-vecinos más próximos. Verifica la precisión del modelo de k-vecinos más próximo cuando se tiene muestras pequeñas de entrenamiento y reserva. Experimenta los modelos que identifica y evalúa las 31 Cortes Superiores de Justicia, respecto de los predictores en forma a priori. Encuentra un modelo de agrupamiento jerárquico basado en encadenamiento simple para asociar las Cortes Superiores de Justicia del País en conglomerados.