O que é KNN?
KNN é um método de aprendizado de máquina que classifica um dado olhando para os exemplos mais parecidos com ele que já são conhecidos. Em português, a sigla vem de K-Nearest Neighbors, ou os K vizinhos mais próximos.
Na prática, o algoritmo guarda uma base de exemplos já rotulados e, quando chega um dado novo, calcula a distância entre ele e cada exemplo da base. Em seguida, escolhe os K vizinhos mais próximos e atribui ao dado novo a categoria que aparece com mais frequência entre eles. Ele não cria um modelo com fórmulas prontas, por isso é considerado um método preguiçoso: o trabalho acontece na hora da consulta.
Uma analogia simples é pensar em um novato que chega a um bairro desconhecido e quer saber qual é o estilo de música preferido ali. Ele observa as cinco pessoas mais próximas dele e, se quatro delas ouvem samba, conclui que o gosto local é samba. A decisão depende de quem está por perto, não de uma regra escrita em algum lugar.
Esse método importa porque é simples de entender e serve para tarefas como classificar e-mails, recomendar produtos ou identificar padrões suspeitos em tráfego de rede, inclusive em estudos sobre cryptojacking em nuvem. Seu desempenho depende muito da qualidade dos dados e da escolha do valor de K, e ele pode ficar lento com bases muito grandes. Para uso seguro, vale testar o modelo com dados que ele não viu durante o treinamento e revisar os alertas antes de tomar decisões automáticas.