Los cuerpos romos con picos son un método para reducir la resistencia cuando un cuerpo se mueve a velocidades superiores a la del sonido. Varios trabajos numéricos basados en dinámica de fluidos computacional (CFD) han estudiado en profundidad el rendimiento del fluido y han destacado sus ventajas. Sin embargo, la mayor parte de la documentación se centra en modificar las propiedades físicas del pico mientras se mantienen constantes las condiciones de flujo supersónico o hipersónico. En los últimos años, los modelos de aprendizaje automático han surgido como herramientas viables para predecir valores en casi cualquier campo, incluida la aerodinámica. En el caso de la CFD, se han explorado muchos modelos, como la regresión de vectores de soporte, métodos de conjunto y redes neuronales artificiales. Sin embargo, un método simple y fácil de implementar como k-Vecinos más cercanos no ha sido explorado extensamente. Este trabajo extrapoló k-Vecinos más cercanos para predecir el coeficiente de arrastre de un cuerpo romo con pico para un rango de velocidades supersónicas e hipersónicas basado en datos de arrastre obtenidos de análisis CFD. El estudio paramétrico del cuerpo romo con pico se realizó considerando el diámetro del cuerpo, la longitud del pico y el número de Mach del flujo libre como variables de entrada. El algoritmo presenta predicciones adecuadas, con errores inferiores al 5% para el coeficiente de arrastre y considerando un mínimo de tres nodos vecinos. El k-NN se comparó nuevamente con el modelo de Kriging y el k-NN presenta una mejor precisión. Lo anterior valida la flexibilidad del método y muestra una nueva área de oportunidad para el cálculo de propiedades aerodinámicas.