La estimación de la velocidad del viento para vehículos no tripulados de despegue y aterrizaje vertical (VTOL) de ala rotativa es un desafío debido a la baja precisión de los sensores de velocidad del aire, que pueden verse gravemente afectados por el efecto de descenso del rotor. A diferencia de las soluciones tradicionales de modelado aerodinámico, en este artículo presentamos un método basado en el aprendizaje de K vecinos más cercanos que no requiere los detalles de la información aerodinámica. El método propuesto incluye dos etapas: una etapa de entrenamiento fuera de línea y una etapa de estimación del viento en línea. Solo se utilizan datos de vuelo para la etapa de estimación en línea, sin mediciones directas de velocidad del aire. Utilizamos el Parrot AR.Drone como el cuatróptero de prueba, y se utiliza un ventilador comercial para generar perturbaciones de viento. Los resultados experimentales demuestran la precisión y robustez de los algoritmos de estimación de viento desarrollados en condiciones de vuelo en suspensión.