Un modelo de posicionamiento en interiores altamente preciso bajo el efecto de reflexiones multipath ha sido un desafío destacado para la investigación reciente. Este artículo propone un novedoso modelo de posicionamiento de comunicación de luz visible en interiores (VLC) conectando los algoritmos de k-vecinos más cercanos (kNN) y random forest (RF) para entornos reflectantes, a saber, kNN-RF. En este modelo basado en huellas dactilares, primero adoptamos kNN como una solución poderosa para expandir el número de características de entrada para RF. A continuación, se clasifica la tasa de importancia de estas características y la(s) menos efectiva(s) pueden eliminarse para reducir el esfuerzo de cálculo. Luego, se lleva a cabo el proceso de entrenamiento utilizando el algoritmo RF. Finalmente, se utiliza el proceso de estimación para descubrir la posición estimada final. Nuestros resultados de simulación muestran que este nuevo enfoque mejoró la precisión del posicionamiento, haciéndolo casi cinco veces mejor que otros algoritmos populares de kNN.