19,99 €
inkl. MwSt.
Versandfertig in 6-10 Tagen
10 °P sammeln
Andere Kunden interessierten sich auch für
![Plataforma de experimentación para la clasificación no supervisada]( "Plataforma de experimentación para la clasificación no supervisada")
Plataforma de experimentación para la clasificación no supervisada19,99 €![Optimización Algorítmica para Modelos de Clasificación en Data Mining]( "Optimización Algorítmica para Modelos de Clasificación en Data Mining")
Optimización Algorítmica para Modelos de Clasificación en Data Mining26,99 €![Algoritmos de minería de datos para clasificación de obesidad escolar]( "Algoritmos de minería de datos para clasificación de obesidad escolar")
Algoritmos de minería de datos para clasificación de obesidad escolar22,99 €![Procesamiento digital de imágenes citogenéticas para su clasificación]( "Procesamiento digital de imágenes citogenéticas para su clasificación")
Procesamiento digital de imágenes citogenéticas para su clasificación39,99 €![Estrategias para el diseño y construcción de algoritmos]( "Estrategias para el diseño y construcción de algoritmos")
Estrategias para el diseño y construcción de algoritmos58,99 €![Minería de Datos Inteligente]( "Minería de Datos Inteligente")
Minería de Datos Inteligente38,99 €![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 €
ALVOT (ALgoritmos de VOTación) es un modelo de algoritmos de clasificación supervisada basado en precedencias parciales que permite trabajar con descripciones de objetos en términos de variables numéricas y no numéricas simultáneamente e incluso admite valores desconocidos en las mismas. Éste ha sido utilizado en numerosos problemas prácticos en las denominadas ciencias poco formalizadas ( soft sciences ) como por ejemplo las geociencias, la medicina, la criminalística y otras. Los clasificadores ALVOT, como todos los clasificadores supervisados en general, necesitan de una buena matriz de entrenamiento para lograr clasificar con calidad; de aquí que sea un problema determinar qué objetos se deben seleccionar para el entrenamiento de los mismos. Es por esto que en el presente trabajo se proponen dos métodos de selección de objetos; el primero para mejorar la eficiencia sin afectar la eficacia sustancialmente de los clasificadores ALVOT, y el segundo para mejorar la eficacia al trabajar con bases de datos ruidosas.