Tarea de inteligencia artificial

Agrupación

Los modelos de Inteligencia Artificial pueden aprender a muestrear un subconjunto de puntos de datos de un conjunto de datos más grande (generalmente muy grande) para cumplir con uno o varios objetivos o criterios. El objetivo del muestreo es garantizar que los puntos de datos seleccionados estén de alguna manera conectados de manera significativa con el conjunto de datos general, al mismo tiempo que se reduce la carga computacional y el tiempo requerido para procesar grandes cantidades de datos.

Aporte

Ocurrencias de datos sin etiquetar de muchos tipos

Producción

Agrupación de puntos de datos en grupos proporcionados previamente o espontáneos en función de la similitud

Meta

Asignar correctamente cada ocurrencia a un cluster inherente o proporcionado

Estrategia de aprendizaje

Algoritmos de clasificación adaptados para salida de múltiples etiquetas.

Métrica de evaluación

Pérdida de Hamming, precisión, recuperación y puntuación F1 para configuraciones de etiquetas múltiples.

Otras tareas de inteligencia artificial

Menú

es_MXES