Dentro del aprendizaje automático, es habitual tener que trabajar con conjuntos de datos multidimensionales donde las variables están interrelacionadas. En estos casos, para cuantificar la similitud entre puntos, es aconsejable tener en cuenta la estructura de los propios datos. Algo que no sucede en las distancias usadas habitualmente como la Euclídea. Una métrica que si […]
Revista Informática
Dentro del aprendizaje automático, es habitual tener que trabajar con conjuntos de datos multidimensionales donde las variables están interrelacionadas. En estos casos, para cuantificar la similitud entre puntos, es aconsejable tener en cuenta la estructura de los propios datos. Algo que no sucede en las distancias usadas habitualmente como la Euclídea. Una métrica que si […]
Sus últimos artículos
-
Hardening avanzado de NGINX: CSP, OCSP Stapling y defensa en profundidad
-
Nuevo simulador FIRE en el laboratorio de aplicaciones de Analytics Lane
-
Hardening de NGINX en 2026: configuración segura básica paso a paso
-
Exactitud, precisión, recall… qué mide realmente cada métrica (y qué no)
