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
-
Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
-
Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
-
DBSCAN y la selección de ε: teoría, intuición y aplicación práctica
-
El bestiario de los indicadores económicos absurdos: El zoo patrio
