Machine Learning Con Matlab. T?cnicas de Clasificaci?n: An?lisis Cl?ster, ?rboles de Decisi?n, An?lisis Discriminante Y Naive Bayes [Spanish]

By A. Vidales

Los conjuntos de datos grandes y de alta dimensi n son comunes en la era moderna de la instrumentaci n computarizada y el almacenamiento electr nico de datos. Los datos de alta dimensi n presentan muchos desaf os para la visualizaci n, el an lisis y el modelado estad stico. La visualizaci n de datos, por supuesto, es imposible m s all de unas pocas dimensiones. Como resultado, el reconocimiento de patrones, el pre procesamiento de datos y la selecci n de modelos deben basarse en gran medida en m todos num ricos. Las t cnicas de aprendizaje autom tico (Machine Learning) ayudan en estas tareasEl aprendizaje autom tico utiliza dos tipos de t cnicas: el aprendizaje supervisado, que entrena un modelo sobre datos de entrada y salida conocidos para que pueda predecir salidas futuras, y el aprendizaje no supervisado, que encuentra patrones ocultos o estructuras intr nsecas en los datos de entrada.El objetivo del aprendizaje supervisado es construir un modelo que haga predicciones basadas en la evidencia en presencia de incertidumbre. Un algoritmo de aprendizaje supervisado toma un conjunto conocido de datos de entrada y respuestas conocidas a los datos (salida) y entrena un modelo para generar predicciones razonables para la respuesta a nuevos datos. El aprendizaje supervisado utiliza t cnicas de clasificaci n y regresi n para desarrollar modelos predictivos (este libro desarrolla t cnicas de clasificaci n).El aprendizaje sin supervisi n encuentra patrones ocultos o estructuras intr nsecas en los datos. Se utiliza para extraer inferencias a partir de conjuntos de datos que consisten en datos de entrada sin respuestas etiquetadas. El agrupamiento por cl ster es la t cnica de aprendizaje no supervisado m s com n. Se utiliza para el an lisis exploratorio de datos para encontrar patrones o agrupaciones ocultos en los datos. Las aplicaciones para la agrupaci n incluyen el an lisis de secuencias gen ticas, la investigaci n de mercado y el reconocimiento de objetos.

• Format: Paperback
• Language: Spanish
• ISBN: 1696919053
• ISBN13: 9781696919050
• Release Date: January 1
• Publisher: Independently Published
• Length: 160 Pages
• Weight: 0.54 lbs.
• Dimensions: 0.4" x 6.0" x 9.0"