exxposicion
Páginas: 4 (993 palabras)
Publicado: 20 de marzo de 2013
Ingeniería en Sistemas Computacionales
Inteligencia Artificial 1
Exposición KNN
Dr. Raul Santiago Montero
Desarrollado por :
Jesse Rodriguez Cruces
Jose deJesus Martinez Solis
Enrique Alvarez Sanchez
Martes y Jueves 12:15 a 1:55 pm
Leon, Guanajuato 22 de Marzo de 2013
Indice
*Introducción
*Antecedentes
*Problematica a resolver*Hipotesis
*Justificacion
*Metodologia
*Objetivo general
*Objetivo especifico
*Propuesta
*Conclusión
Introducción
En el siguiente trabajo, vamos a tratar el tema del aprendizajeinductivo supervisado (K-NN).
Principalmente definiremos este concepto, y la implementacion del mismo, logrando como idea basica
sobre lo que se fundamenta este método es que un nuevo caso se va aclasificar en la clase mas frecuente a la que pertenecen sus
K vecinos mas cercanos.
Ademas analizaremos el aprendizaje inductivo, explicando mediante conceptos teoricos y
ejemplos las carácteristicasfundamentales del aprendizaje inductivo supervisado (K-NN).
Debemos destacar que una de las tareas en la ciencia de la computacion es construir maquinas o programas de computadoras
que seancapaces de aprender. El darles la capacidad de aprendizaje a las maquinas abre una amplia gama de nuevas aplicaciones.
El entender también en como estas pueden aprender nos puede ayudar a entender lascapacidades y limitaciones humanas de aprendizaje.
Antecedentes
En el método Knn (K nearest neighbours Fix y Hodges, 1951) es un método de clasificación supervisada.
(Aprendizaje, estimaciónbasada en un conjunto de entrenamiento y prototipos)
¿Para que sirve?
El metodo KNN sirve para estimar la función de densidad de las predictoras por cada clase .
¿Que es ?
Este esun método de clasificación no paramétrico, que estima el valor de la función de densidad de probabilidad o directamente la probabilidad a posteriori de que un elemento pertenezca a la clase a...
Ingeniería en Sistemas Computacionales
Inteligencia Artificial 1
Exposición KNN
Dr. Raul Santiago Montero
Desarrollado por :
Jesse Rodriguez Cruces
Jose deJesus Martinez Solis
Enrique Alvarez Sanchez
Martes y Jueves 12:15 a 1:55 pm
Leon, Guanajuato 22 de Marzo de 2013
Indice
*Introducción
*Antecedentes
*Problematica a resolver*Hipotesis
*Justificacion
*Metodologia
*Objetivo general
*Objetivo especifico
*Propuesta
*Conclusión
Introducción
En el siguiente trabajo, vamos a tratar el tema del aprendizajeinductivo supervisado (K-NN).
Principalmente definiremos este concepto, y la implementacion del mismo, logrando como idea basica
sobre lo que se fundamenta este método es que un nuevo caso se va aclasificar en la clase mas frecuente a la que pertenecen sus
K vecinos mas cercanos.
Ademas analizaremos el aprendizaje inductivo, explicando mediante conceptos teoricos y
ejemplos las carácteristicasfundamentales del aprendizaje inductivo supervisado (K-NN).
Debemos destacar que una de las tareas en la ciencia de la computacion es construir maquinas o programas de computadoras
que seancapaces de aprender. El darles la capacidad de aprendizaje a las maquinas abre una amplia gama de nuevas aplicaciones.
El entender también en como estas pueden aprender nos puede ayudar a entender lascapacidades y limitaciones humanas de aprendizaje.
Antecedentes
En el método Knn (K nearest neighbours Fix y Hodges, 1951) es un método de clasificación supervisada.
(Aprendizaje, estimaciónbasada en un conjunto de entrenamiento y prototipos)
¿Para que sirve?
El metodo KNN sirve para estimar la función de densidad de las predictoras por cada clase .
¿Que es ?
Este esun método de clasificación no paramétrico, que estima el valor de la función de densidad de probabilidad o directamente la probabilidad a posteriori de que un elemento pertenezca a la clase a...
Leer documento completo
Regístrate para leer el documento completo.