Resumen

PEREZ VERONA, Isabel Cristina  y  ARCO GARCIA, Leticia. Una revisión sobre aprendizaje no supervisado de métricas de distancia. Rev cuba cienc informat [online]. 2016, vol.10, n.4, pp.43-67. ISSN 2227-1899.

RESUMEN Muchos de los métodos de aprendizaje automático dependen del cálculo de distancias en un espacio multidimensional para estimar la similitud entre dos ejemplos teniendo en cuenta la estructura de los datos. Está comprobado que se obtienen mejores resultados cuando la métrica se diseña específicamente para un contexto dado, pero esta es una tarea compleja. El aprendizaje de métricas de distancia consiste en aprender una métrica determinada respondiendo específicamente a las características de los datos históricos. En casos particulares donde no se conoce mucha información sobre los datos, se han obtenido buenos resultados utilizando algoritmos no supervisados de aprendizaje de distancias. Estos algoritmos no requieren información de etiqueta de clases, y se han utilizado principalmente para mejorar los resultados de métodos de agrupamiento. En este artículo se mencionan algunos de los aportes más recientes a los algoritmos no supervisados de aprendizaje de distancias, sus ventajas, desventajas y posibles aplicaciones.

Palabras clave : aprendizaje no supervisado; métrica; distancia; reducción de dimensión.

        · resumen en Inglés     · texto en Español     · Español ( pdf )