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
-
Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
-
Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos
-
Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
-
PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
