Una revisión sobre aprendizaje no supervisado de métricas de distancia
Fuente:
Redalyc
Saved in:
| Main Author: | |
|---|---|
| Format: | Artículo científico |
| Language: | es |
| Published: |
Universidad de las Ciencias Informáticas
2016
|
| Subjects: | |
| Online Access: | |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1876475602033180672 |
|---|---|
| author | Isabel Cristina Pérez Verona |
| author_facet | Isabel Cristina Pérez Verona |
| contents | Una revisión sobre aprendizaje no supervisado de métricas de distancia Isabel Cristina Pérez Verona Leticia Arco García Computación métrica distancia reducción de dimensión Aprendizaje no supervisado Muchos de los métodos de aprendizaje automático dependen del cálculo de distancias en un espacio multidimensional para estimar la similitud entre dos ejemplos teniendo en cuenta la estructura de los datos. Está comprobado que se obtienen mejores resultados cuando la métrica se diseña específicamente para un contexto dado, pero esta es una tarea compleja. El aprendizaje de métricas de distancia consiste en aprender una métrica determinada respondiendo específicamente a las características de los datos históricos. En casos particulares donde no se conoce mucha información sobre los datos, se han obtenido buenos resultados utilizando algoritmos no supervisados de aprendizaje de distancias. Estos algoritmos no requieren información de etiqueta de clases, y se han utilizado principalmente para mejorar los resultados de métodos de agrupamiento. En este artículo se mencionan algunos de los aportes más recientes a los algoritmos no supervisados de aprendizaje de distancias, sus ventajas, desventajas y posibles aplicaciones. 2016 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378349316004 es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.4 Vol.10 |
| format | Artículo científico |
| id | redalyc_378349316004 |
| institution | Redalyc |
| language | es |
| publishDate | 2016 |
| publisher | Universidad de las Ciencias Informáticas |
| spellingShingle | Una revisión sobre aprendizaje no supervisado de métricas de distancia Isabel Cristina Pérez Verona Computación métrica distancia reducción de dimensión Aprendizaje no supervisado Una revisión sobre aprendizaje no supervisado de métricas de distancia Isabel Cristina Pérez Verona Leticia Arco García Computación métrica distancia reducción de dimensión Aprendizaje no supervisado Muchos de los métodos de aprendizaje automático dependen del cálculo de distancias en un espacio multidimensional para estimar la similitud entre dos ejemplos teniendo en cuenta la estructura de los datos. Está comprobado que se obtienen mejores resultados cuando la métrica se diseña específicamente para un contexto dado, pero esta es una tarea compleja. El aprendizaje de métricas de distancia consiste en aprender una métrica determinada respondiendo específicamente a las características de los datos históricos. En casos particulares donde no se conoce mucha información sobre los datos, se han obtenido buenos resultados utilizando algoritmos no supervisados de aprendizaje de distancias. Estos algoritmos no requieren información de etiqueta de clases, y se han utilizado principalmente para mejorar los resultados de métodos de agrupamiento. En este artículo se mencionan algunos de los aportes más recientes a los algoritmos no supervisados de aprendizaje de distancias, sus ventajas, desventajas y posibles aplicaciones. 2016 artículo científico 1994-1536 https://www.redalyc.org/articulo.oa?id=378349316004 es http://www.redalyc.org/revista.oa?id=3783 Revista Cubana de Ciencias Informáticas application/pdf Universidad de las Ciencias Informáticas Revista Cubana de Ciencias Informáticas (Cuba) Num.4 Vol.10 |
| title | Una revisión sobre aprendizaje no supervisado de métricas de distancia |
| topic | Computación métrica distancia reducción de dimensión Aprendizaje no supervisado |
| url | https://www.redalyc.org/articulo.oa?id=378349316004 |