Andere Kunden interessierten sich auch für
![Aplicación de los Conjuntos Aproximados en el análisis de datos]( "Aplicación de los Conjuntos Aproximados en el análisis de datos")
Aplicación de los Conjuntos Aproximados en el análisis de datos19,99 €![Aprendizaje de Máquina. Redes Neuronales]( "Aprendizaje de Máquina. Redes Neuronales")
Aprendizaje de Máquina. Redes Neuronales45,99 €![Las herramientas informáticas de edición en la formación académica]( "Las herramientas informáticas de edición en la formación académica")
Las herramientas informáticas de edición en la formación académica23,99 €![Métodos de clasificación en el proceso de identificación de oradores]( "Métodos de clasificación en el proceso de identificación de oradores")
Métodos de clasificación en el proceso de identificación de oradores19,99 €![Entrenamiento de máquina en escenarios de múltiples expertos]( "Entrenamiento de máquina en escenarios de múltiples expertos")
Entrenamiento de máquina en escenarios de múltiples expertos36,99 €![Métodos de aprendizaje basados en prototipos similares: extensiones]( "Métodos de aprendizaje basados en prototipos similares: extensiones")
Métodos de aprendizaje basados en prototipos similares: extensiones36,99 €![Estudo comparativo de métodos de classificação definidos]( "Estudo comparativo de métodos de classificação definidos")
Estudo comparativo de métodos de classificação definidos29,99 €
En el Aprendizaje Automatizado es una necesidad el preprocesamiento de la información, la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. La Teoría de los Conjuntos Aproximados (RST) abrió una nueva dirección en el desarrollo de teorías sobre la información incompleta y es una poderosa herramienta para el análisis de datos. En esta investigación se demuestra la posibilidad de usar esta teoría en el preprocesamiento de los datos, para editar conjuntos de entrenamiento para resolver problemas de clasificación supervisada. Se propone un nuevo método (EditCenter) basado en los conceptos de aproximación de la RST y relaciones de similitud. El método propuesto ha sido estudiado experimentalmente usando bases de datos internacionales. Se realizan pruebas de efectividad en la clasificación con los métodos de los K-Vecinos más Cercanos (k-NN) y C4.5 por ser de los más referenciados, lo cual permite corroborar que es factible utilizar la Teoría de los Conjuntos Aproximados en la edición de conjuntos de entrenamiento.