Diferencia entre revisiones de «MGranaMaterialesdetrabajo»
De Grupo de Inteligencia Computacional (GIC)
| Línea 2: | Línea 2: | ||
= Clasificación = | = Clasificación = | ||
El método multivariante más "sencillo" es el Naive Bayes [http://en.wikipedia.org/wiki/Naive_Bayes_classifier] que asume independencia entre las variables y, usualmente, modela con distribuciones normales las distribuciones de probabilidad condicional (verosimilitud/likelihood) de las clases. | *El método multivariante más "sencillo" es el Naive Bayes [http://en.wikipedia.org/wiki/Naive_Bayes_classifier] que asume independencia entre las variables y, usualmente, modela con distribuciones normales las distribuciones de probabilidad condicional (verosimilitud/likelihood) de las clases. | ||
* Extreme Learning Machines: los clasificadores/regresores en dos etapas se construyen haciendo que la primera etapa se genere de forma aleatoria y la segunda se resuelve por mínimos cuadrados. [http://www.ehu.es/ccwintco/groupware/webdav.php/apps/phpbrain/420/ELM_basics.pdf] | |||
Revisión del 20:51 13 may 2011
Clasificación
- El método multivariante más "sencillo" es el Naive Bayes [1] que asume independencia entre las variables y, usualmente, modela con distribuciones normales las distribuciones de probabilidad condicional (verosimilitud/likelihood) de las clases.
- Extreme Learning Machines: los clasificadores/regresores en dos etapas se construyen haciendo que la primera etapa se genere de forma aleatoria y la segunda se resuelve por mínimos cuadrados. [2]
