Diferencia entre revisiones de «Clasificación estadística»
Contenido eliminado Contenido añadido
mSin resumen de edición |
m Pequeñas correcciones |
||
Línea 1:
En [[aprendizaje automático]] y [[estadística]], la '''clasificación estadística''' es el problema de identificar a cuál de un conjunto de [[Variable categórica|categorías]] (subpoblaciones) pertenece una nueva [[observación]], sobre la base de un conjunto de datos de formación que contiene observaciones (o instancias) cuya categoría de miembros es conocida. Un ejemplo sería asignar a un correo electrónico dado la clasificación de "spam" o "no spam", o asignar un diagnóstico a un paciente dado según las características observadas del paciente (sexo, género, presión arterial, presencia o ausencia de ciertos síntomas, etc.). La clasificación es un ejemplo [[reconocimiento de patrones]].
En la terminología de aprendizaje automático, la clasificación está considerada como un caso de [[aprendizaje supervisado]], es decir, un aprendizaje en el que se dispone de un conjunto de observaciones correctamente identificadas.<ref>{{cite book|last=Alpaydin|first=Ethem|title=Introduction to Machine Learning|date=2010|publisher=MIT Press|isbn=978-0-262-01243-0|page=9|url=https://books.google.com/books?id=7f5bBAAAQBAJ&printsec=frontcover#v=onepage&q=classification&f=false}}</ref> El [[Aprendizaje no supervisado|procedimiento no supervisado]] se conoce como [[Análisis de grupos|clustering]], e implica agrupar los datos e categorías basadas en alguna medida de similitud o [[distancia]] inherente.
Línea 30:
* Micro-Clasificación de variedad
==
* [[Inteligencia artificial]]
* Clasificación binaria
| |||