Las características también se denominan variables independientes o predictores. Esencialmente, estos son los datos que utiliza para predecir el objetivo (variable dependiente).
Clases generalmente es un término que se refiere al objetivo. Un objetivo que asume solo 2 valores (típicamente 0 y 1, tiene enfermedad / no tiene enfermedad, hizo clic en el anuncio / no hizo clic en el anuncio) tiene dos clases. Este es su típico problema de clasificación binaria. Un problema de clasificación de varias clases involucra un objetivo que puede tomar múltiples valores categóricos (es decir, predecir si un tweet habló sobre comida, clima, deportes o política).
Mientras que en un problema de múltiples clases, su objetivo asume uno y solo un valor a la vez (un tweet es deporte o política o comida, …) en un problema de múltiples etiquetas, la misma observación podría tomar múltiples clases.
- ¿Cuál es la diferencia entre el sistema de soporte de decisiones y el sistema de recomendaciones?
- Andrew Ng: ¿Qué opinas de AlphaGo?
- ¿Qué significa 'alineado suavemente' en un contexto de aprendizaje profundo?
- ¿Cuáles son las mejores prácticas para garantizar que los datos adquiridos de la investigación que implica el análisis de Big Data resulten precisos y útiles?
- Estoy tratando de evaluar el rendimiento del modelo (regresión). En la literatura, algunos usan RMSE y otros usan correlación. ¿Hay alguna diferencia entre ambos enfoques?
