Show simple item record

Filtrando atributos para mejorar procesos de aprendizaje

dc.contributor.authorQuevedo Pérez, José Ramón 
dc.contributor.authorCoz Velasco, Juan José del 
dc.contributor.authorDíez Peláez, Jorge 
dc.date.accessioned2015-06-17T11:12:47Z
dc.date.available2015-06-17T11:12:47Z
dc.date.issued2001
dc.identifier.urihttp://hdl.handle.net/10651/31304
dc.descriptionIX Conferencia de la Asociación Española para la Inteligencia Artificial. Gijón, Españaspa
dc.description.abstractLos sistemas de aprendizaje automático han sido tradicionalmente usados para extraer conocimiento a partir de conjuntos de ejemplos descritos mediante atributos. Cuando la información de partida representa un problema real no se sabe, generalmente, qué atributos influyen en su resolución. En esos casos, la única opción a priori es utilizar toda la información disponible. Para evitar los problemas que esto conlleva se puede emplear un filtrado de atributos, previo al aprendizaje, que nos permita quedarnos sólo con los atributos más relevantes, aquellos que encierran la solución del problema. En este artículo se describe un método que realiza esta selección. Como se mostrará, está técnica mejora los procesos posteriores de aprendizajespa
dc.language.isospaspa
dc.rightsCC Reconocimiento - No comercial - Sin obras derivadas 4.0 Internacional
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAprendizaje automáticospa
dc.subjectRelevancia y selección de atributosspa
dc.titleFiltrando atributos para mejorar procesos de aprendizajespa
dc.typeinfo:eu-repo/semantics/conferenceObjectspa
dc.type.dcmitextspa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessspa


Files in this item

untranslated

This item appears in the following Collection(s)

Show simple item record

CC Reconocimiento - No comercial - Sin obras derivadas 4.0 Internacional
This item is protected with a Creative Commons License