Un entorno de generalización basado en distancias

Autores
Dasso, Aristides; Hernández-Orallo, Jose; Ramírez Quintana, María José; Ferri, César
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los Operadores de Generalización producen patrones, aún cuando el patrón puede ser útil por sí mismo, esto no es suficiente en muchos casos donde el patrón no es claro para que los seres humanos puedan entenderlo. Es importante que el patrón sea lo suficientemente expresivo para que los seres humanos puedan entenderlo, ya que el patrón debería ser la explicación misma. Las Métricas (distancias métricas) son fáciles de entender y los patrones basados en distancias son útiles además de claras y se explican por sí mismas. Así poder relacionar operadores de Generalización, Distancias y Patrones nos daría las ventajas de todos ellos. En este trabajo se busca realizar ello en un contexto de Operadores de Clasificación Asistidos.
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
minería de datos
generalización
operadores de generalización
aprendizaje de máquina
distancias
métricas
pperadores basados en distancia
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/19438
Acceder
id SEDICI_9461dfae6cdb6fc34f65d0719163550f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/19438
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Un entorno de generalización basado en distanciasDasso, AristidesHernández-Orallo, JoseRamírez Quintana, María JoséFerri, CésarCiencias InformáticasARTIFICIAL INTELLIGENCEminería de datosgeneralizaciónoperadores de generalizaciónaprendizaje de máquinadistanciasmétricaspperadores basados en distanciaLos Operadores de Generalización producen patrones, aún cuando el patrón puede ser útil por sí mismo, esto no es suficiente en muchos casos donde el patrón no es claro para que los seres humanos puedan entenderlo. Es importante que el patrón sea lo suficientemente expresivo para que los seres humanos puedan entenderlo, ya que el patrón debería ser la explicación misma. Las Métricas (distancias métricas) son fáciles de entender y los patrones basados en distancias son útiles además de claras y se explican por sí mismas. Así poder relacionar operadores de Generalización, Distancias y Patrones nos daría las ventajas de todos ellos. En este trabajo se busca realizar ello en un contexto de Operadores de Clasificación Asistidos.Eje: Agentes y sistemas inteligentesRed de Universidades con Carreras en Informática (RedUNCI)2010-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf63-66http://sedici.unlp.edu.ar/handle/10915/19438spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:46:32Zoai:sedici.unlp.edu.ar:10915/19438Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:46:32.755SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Un entorno de generalización basado en distancias
title Un entorno de generalización basado en distancias
spellingShingle Un entorno de generalización basado en distancias
Dasso, Aristides
Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
minería de datos
generalización
operadores de generalización
aprendizaje de máquina
distancias
métricas
pperadores basados en distancia
title_short Un entorno de generalización basado en distancias
title_full Un entorno de generalización basado en distancias
title_fullStr Un entorno de generalización basado en distancias
title_full_unstemmed Un entorno de generalización basado en distancias
title_sort Un entorno de generalización basado en distancias
dc.creator.none.fl_str_mv Dasso, Aristides
Hernández-Orallo, Jose
Ramírez Quintana, María José
Ferri, César
author Dasso, Aristides
author_facet Dasso, Aristides
Hernández-Orallo, Jose
Ramírez Quintana, María José
Ferri, César
author_role author
author2 Hernández-Orallo, Jose
Ramírez Quintana, María José
Ferri, César
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
minería de datos
generalización
operadores de generalización
aprendizaje de máquina
distancias
métricas
pperadores basados en distancia
topic Ciencias Informáticas
ARTIFICIAL INTELLIGENCE
minería de datos
generalización
operadores de generalización
aprendizaje de máquina
distancias
métricas
pperadores basados en distancia
dc.description.none.fl_txt_mv Los Operadores de Generalización producen patrones, aún cuando el patrón puede ser útil por sí mismo, esto no es suficiente en muchos casos donde el patrón no es claro para que los seres humanos puedan entenderlo. Es importante que el patrón sea lo suficientemente expresivo para que los seres humanos puedan entenderlo, ya que el patrón debería ser la explicación misma. Las Métricas (distancias métricas) son fáciles de entender y los patrones basados en distancias son útiles además de claras y se explican por sí mismas. Así poder relacionar operadores de Generalización, Distancias y Patrones nos daría las ventajas de todos ellos. En este trabajo se busca realizar ello en un contexto de Operadores de Clasificación Asistidos.
Eje: Agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description Los Operadores de Generalización producen patrones, aún cuando el patrón puede ser útil por sí mismo, esto no es suficiente en muchos casos donde el patrón no es claro para que los seres humanos puedan entenderlo. Es importante que el patrón sea lo suficientemente expresivo para que los seres humanos puedan entenderlo, ya que el patrón debería ser la explicación misma. Las Métricas (distancias métricas) son fáciles de entender y los patrones basados en distancias son útiles además de claras y se explican por sí mismas. Así poder relacionar operadores de Generalización, Distancias y Patrones nos daría las ventajas de todos ellos. En este trabajo se busca realizar ello en un contexto de Operadores de Clasificación Asistidos.
publishDate 2010
dc.date.none.fl_str_mv 2010-05
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/19438
url http://sedici.unlp.edu.ar/handle/10915/19438
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
63-66
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846063888713383936
score 13.22299

Publicaciones similares