Modelos Apilados y factores que pueden afectar la eficiencia
En la actualidad la minería de datos y el Machine Learning ofrecen potentes algoritmos de clasificación basados en modelos simples pero como interacciones de aprendizaje, automático hacen que estos modelos sean robustos, estos modelos son denominados Metaclasificados, donde su objetivo final es tene...
- Autores:
-
Campo Yepes, John Jairo
Cruz Castro, Daniel Leonardo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2017
- Institución:
- Universidad Santo Tomás
- Repositorio:
- Repositorio Institucional USTA
- Idioma:
- spa
- OAI Identifier:
- oai:repository.usta.edu.co:11634/4150
- Acceso en línea:
- http://hdl.handle.net/11634/4150
- Palabra clave:
- Metaclassifiers
Learning
Efficiency
Automatic learning
Modelos lineales (Estadística)
Estadística matemática
Modelos matemáticos (Estadística)
Modelos estadísticos
Metaclasificadores
Aprendizaje
Eficiencia
Aprendizaje automático
- Rights
- openAccess
- License
- Atribución-NoComercial-SinDerivadas 2.5 Colombia
| Summary: | En la actualidad la minería de datos y el Machine Learning ofrecen potentes algoritmos de clasificación basados en modelos simples pero como interacciones de aprendizaje, automático hacen que estos modelos sean robustos, estos modelos son denominados Metaclasificados, donde su objetivo final es tener eficiencia optima en la clasificación. Los modelos apilados aprovechan la eficiencia de los metaclasificados para aumentar un poco más la eficiencia del resultado, ya que la predicción es lo que las empresas consideran más importante. |
|---|