¿Cuáles de los siguientes son algoritmos de clasificación?
¿Cuáles de los siguientes algoritmos de clasificación son los siguientes:
A. Determinar benigno o maligno en función del volumen del tumor y la edad del paciente?
B. ¿Determinar si una tarjeta de crédito incumplirá en función de la edad, la ocupación y el monto del depósito del usuario?
C. ¿Qué talla de camiseta debe llevar un hombre que mide 1,85 m y pesa 100 kg?
D. Estimar el precio de la casa en función de características como el tamaño de la casa y el número de baños.
Respuesta correcta: Según el tamaño del tumor y la edad del paciente, ¿es benigno o maligno? ;Juzgar si una tarjeta de crédito incumplirá en función de la edad, la ocupación y el monto del depósito del usuario. ;¿Qué talla de camiseta debe llevar un hombre que mide 1,85m y pesa 100kg?
Algoritmos de clasificación comunes:
1. Árbol de decisión: el árbol de decisión es una estructura de árbol que se utiliza para clasificar instancias. Un árbol construido a partir de decisiones estratégicas.
El árbol de decisión está compuesto por nodos y aristas dirigidas. Hay dos tipos de nodos: nodos internos y nodos hoja. Entre ellos, los nodos internos representan las condiciones de prueba de una característica o atributo (utilizados para separar registros con diferentes características) y los nodos de hoja representan una clasificación.
2. Bayesiano: el algoritmo de clasificación bayesiano es un tipo de algoritmo que utiliza probabilidad y conocimiento estadístico para la clasificación, como el algoritmo Naive Bayes. Estos algoritmos utilizan principalmente el teorema de Bayes para predecir la posibilidad de que una muestra de una categoría desconocida pertenezca a cada categoría y seleccionan la categoría más probable como la categoría final de la muestra.
Dado que el establecimiento del teorema de Bayes en sí requiere un fuerte supuesto de independencia condicional, y este supuesto a menudo no es cierto en situaciones reales, su precisión de clasificación disminuirá.
3. Redes Neuronales Artificiales: Las Redes Neuronales Artificiales (RNA) son un modelo matemático que utiliza una estructura similar a las conexiones sinápticas en el cerebro para el procesamiento de la información. En este modelo, una gran cantidad de nodos (o "neuronas" o "unidades") están conectados entre sí para formar una red, es decir, una "red neuronal" para lograr el propósito de procesar información. Por lo general, es necesario entrenar las redes neuronales, y el proceso de capacitación es el proceso de aprendizaje de la red.