Completeness Score
Perceptrón
Outlier
K-means
Problemas cuando los conjunto de datos son muy diferentes
Neurona
Metodos para validar predictores
Información mutua
Error cuadratico medio
Red Neuronal
Algoritmos jerarquicos
Homogeneidad medida
Capas de neuronas
Centroide
Algoritmos probabilisticos
Codo Silouttes
Algoritmo de clasificación no supervisada que agrupa objetos basadose en sus caracteristicas , minimizando la suma de distancias entre cada objeto y el centroide de su grupo o cluster
Calcula la probabilidad de ser parte de un cluster , siendo el mas eficiente a cambio de un alto costo computacional
Dato que no esta entre el conjunto de datos o muy disperso del conjunto
División de las redes neuronales en subgrupos que pueden funcionar independientemente
Punto donde se produce la intersección de las medianas que forman parte de un cluster , dato que representa a la clase o conjunto que representa
Nodo a traves del cual fluyen datos y computos para un algoritmo de Inteligencia Artificial
Interrelació de perceptrones o neuronas individuales que simula el proceso de sinapsis neuronal
Todos los cluster tiene puntos en una sola clase
Elemento que asegura que todos los puntos pertecen a la misma clase
Los datos se divide en estructuras de dendogramas (Estructura de arbol)
Representa la diferencia entre lo obtenido y lo que deberia dar
La completitud de un cluster indica que el otro tambien lo está , se reduce la incertidumbre de otro cluster y se genera fiabilidad de los datos en ambos cluster
Modelo inicial de una neurona , unidad basica de que tiene entradas y salidas
La nube de datos tiene forma Los datos tienen ruido La densidad de los datos es distinta