Métodos de aprendizaje automático con conjuntos de datos ruidosos, incompletos o pequeños

Título original:

Machine Learning Methods with Noisy, Incomplete or Small Datasets

Contenido del libro:

En muchas aplicaciones de aprendizaje automático, los conjuntos de datos disponibles son a veces incompletos, ruidosos o están afectados por artefactos.

En escenarios supervisados, puede ocurrir que la información de las etiquetas sea de baja calidad, lo que puede incluir conjuntos de entrenamiento desequilibrados, etiquetas ruidosas y otros problemas. Además, en la práctica, es muy común que las muestras de datos disponibles no sean suficientes para derivar clasificadores supervisados o no supervisados útiles.

Todos estos problemas se conocen comúnmente como el problema de los datos de baja calidad. Este libro recoge aportaciones novedosas sobre métodos de aprendizaje automático para conjuntos de datos de baja calidad, con el fin de contribuir a la difusión de nuevas ideas para resolver este desafiante problema y ofrecer ejemplos claros de aplicación en escenarios reales.