Matching Pairs IC - Preguntas (30 a 45) Online version IC-Preguntas by Frank27 1 K-means 2 Perceptrón 3 Error cuadratico medio 4 Outlier 5 Algoritmos probabilisticos 6 Capas de neuronas 7 Homogeneidad medida 8 Centroide 9 Problemas cuando los conjunto de datos son muy diferentes 10 Metodos para validar predictores 11 Algoritmos jerarquicos 12 Información mutua 13 Red Neuronal 14 Neurona 15 Completeness Score Dato que no esta entre el conjunto de datos o muy disperso del conjunto Representa la diferencia entre lo obtenido y lo que deberia dar La nube de datos tiene forma Los datos tienen ruido La densidad de los datos es distinta Calcula la probabilidad de ser parte de un cluster , siendo el mas eficiente a cambio de un alto costo computacional Codo Silouttes La completitud de un cluster indica que el otro tambien lo está , se reduce la incertidumbre de otro cluster y se genera fiabilidad de los datos en ambos cluster Los datos se divide en estructuras de dendogramas (Estructura de arbol) Nodo a traves del cual fluyen datos y computos para un algoritmo de Inteligencia Artificial Interrelació de perceptrones o neuronas individuales que simula el proceso de sinapsis neuronal Algoritmo de clasificación no supervisada que agrupa objetos basadose en sus caracteristicas , minimizando la suma de distancias entre cada objeto y el centroide de su grupo o cluster División de las redes neuronales en subgrupos que pueden funcionar independientemente Punto donde se produce la intersección de las medianas que forman parte de un cluster , dato que representa a la clase o conjunto que representa Elemento que asegura que todos los puntos pertecen a la misma clase Modelo inicial de una neurona , unidad basica de que tiene entradas y salidas Todos los cluster tiene puntos en una sola clase
New game