Show simple item record

dc.contributorEscuela de Ingenierias Industrial e Informaticaes_ES
dc.contributor.authorGonzález Castro, Víctor
dc.contributor.authorAlaiz Rodríguez, Rocío 
dc.contributor.authorAlegre Gutiérrez, Enrique 
dc.contributor.otherIngenieria de Sistemas y Automaticaes_ES
dc.date2012
dc.date.accessioned2019-07-17T09:55:25Z
dc.date.available2019-07-17T09:55:25Z
dc.date.issued2019-07-17
dc.identifier.citationPerspectives on Pattern Recognitiones_ES
dc.identifier.isbn978-1-61209-118-1es_ES
dc.identifier.urihttp://hdl.handle.net/10612/11034
dc.descriptioncap. 9- pp. 187-202es_ES
dc.description.abstracta cuantificación -o estimación de proporciones- desempeña un papel importante en muchos problemas prácticos de clasificación. Por un lado, una máquina que clasifica automáticamente un elemento en un grupo de clases predefinidas, tomará decisiones subóptimas, si la distribución de clases en el dominio de prueba (real) difiere de la que se asume en el aprendizaje. La estimación de la nueva distribución de clases es necesaria para adaptar el clasificador a las nuevas condiciones operativas. Por otro lado, hay algunos dominios reales donde la propia tarea de cuantificación es el objetivo principal. Algunos campos, como el control de calidad, el marketing directo, el estudio de tendencias o algunas tareas de reconocimiento textual, requieren métodos que puedan estimar de forma fiable, la proporción de elementos dentro de cada categoría, sin ninguna preocupación acerca de cómo cada elemento ha sido clasificado individualmente. Describimos varias técnicas de cuantificación que se basan en el aprendizaje supervisado y proporcionan estas estimaciones basadas en: a) la matriz de confusión del clasificador, b) las estimaciones de probabilidad posteriores y c) las medidas de divergencia distribucional. Ilustramos estas técnicas, así como su robustez contra el rendimiento del clasificador base, en un entorno práctico de control de calidad seminal donde el objetivo final es cuantificar la proporción de espermatozoides con acrosoma dañado/intacto.es_ES
dc.languageenges_ES
dc.publisherNova Publishers, 2012es_ES
dc.subjectEstadísticaes_ES
dc.subjectIngeniería de sistemases_ES
dc.subject.otherAprendizaje automáticoes_ES
dc.subject.otherCuantificación o estimación de proporcioneses_ES
dc.subject.otherDistribución de claseses_ES
dc.titleClass Distribution Estimation in Imprecise Domains Based on Supervised Learninges_ES
dc.typeinfo:eu-repo/semantics/bookPartes_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record