Algoritmos que se deben estudiar

Tenga en cuenta los siguientes algoritmos en su kit de herramientas; se trataría de un complemento útil a los que hemos cubierto en el libro:

  • MVN & EM: multivariante mixture of Gaussians & Expectation Maximization (cuando nos encontramos con distribuciones multimodales). MVN EM (Expectation Maximization)

  • Tabu search, TS: optimización, muy efectivo para datos discretos u optimizaciones combinatorias. Tabu search TS

  • Algoritmo genético, GA: estrategia adaptativa, optimización. GA Algoritmo genético

  • Learning Classifier System, LCS: tiene capacidades para reforzar el aprendizaje en machine learning. LCS (Learning Classifier System)

  • Self-Organizing Map, SOM: red neuronal no supervisada que utiliza una estrategia «competitiva» ; muy eficiente en la extracción de features, no paramétrica. SOM (Self-Organizing Map)

  • ... y la teoría de juegos.

Si desea saber más, le proponemos el siguiente libro:
couv_EPT3DASR.png
60-signet.svg
Versión impresa
20-ecran_lettre.svg
Versión online
41-logo_abonnement.svg
En ilimitado con la suscripción ENI
130-boutique.svg
En la tienda oficial de ENI
Anterior
Vocabulario y «tricks of the trade»
Siguiente
Algunas formulaciones del álgebra lineal