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 €![Algoritmos de votación para clasificación supervisada]( "Algoritmos de votación para clasificación supervisada")
Algoritmos de votación para clasificación supervisada19,99 €![Clasificación De Documentos Empleando n-Gramas]( "Clasificación De Documentos Empleando n-Gramas")
Clasificación De Documentos Empleando n-Gramas23,99 €![Clasificación del Grado de Astrocitoma Cerebral Infantil]( "Clasificación del Grado de Astrocitoma Cerebral Infantil")
Clasificación del Grado de Astrocitoma Cerebral Infantil40,99 €![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 €![Modelos para la Combinación de Preferencias en Toma de Decisiones]( "Modelos para la Combinación de Preferencias en Toma de Decisiones")
Modelos para la Combinación de Preferencias en Toma de Decisiones51,99 €![Una solución flexible y eficiente para el trazado de grafos]( "Una solución flexible y eficiente para el trazado de grafos")
Una solución flexible y eficiente para el trazado de grafos32,99 €
Este es un trabajo desarrollado por el Msc. Ricardo Felizzola Padilla bajo la Dirección del Dr. Wilson Nieto Bernal el cual describe un proceso de optimización algorítmica en el área de Data Mining. Los algoritmos de clasificación son una herramienta muy importante en el Data mining por tanto es necesario mejorar los algoritmos y diseñarlos para atacar casos de usos específicos en este caso cáncer de mamas. En esta investigación se escoge el clasificador bayesiano de Naive Bayes para la realización de un estudio detallado y posteriormente lograr una mejora utilizando la cobertura y la precisión. Lo más importante de esta investigación es la utilización de componentes que probablemente existen en otros algoritmos, y acoplar estos componentes en otros para lograr mejoras importantes ya que en el área de Data mining el campo de estudio es muy amplio y está en constante desarrollo.