En Buscalibre celebramos la hispanidad 5% dto   Ver más

Enviar a
Provincia de Madrid
0

Mi Cuenta

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

menú

Selecciona tu país

América

Europa

Resto del mundo

portada Enfoques de aprendizaje automático para la predicción de defectos de software. Técnicas de equilibrado y clasificación
Formato
Libro Físico
Editorial
Autor
Año
2025
Idioma
Español
N° páginas
80
Encuadernación
Tapa Blanda
Dimensiones
22x15 cm
ISBN13
9786209245633

Enfoques de aprendizaje automático para la predicción de defectos de software. Técnicas de equilibrado y clasificación

Shaheen Layaq (Autor) · Ediciones Nuestro Conocimiento · Tapa Blanda

Enfoques de aprendizaje automático para la predicción de defectos de software. Técnicas de equilibrado y clasificación - Shaheen Layaq

Libro Nuevo Origen: España
Envío: 6 a 7 días háb.
60,90 €57,86 €
-5%
Libro Nuevo

Quedan 40 unidades

57,86 €
Llega entre el 22 Oct y el 27 Oct a Provincia de Madrid. Seleccionar ubicación

Elige la lista en la que quieres agregar tu producto o crea una nueva lista

Ir a Mis Listas
Calcula el costo de envío

Reseña del libro "Enfoques de aprendizaje automático para la predicción de defectos de software. Técnicas de equilibrado y clasificación"

En el mundo actual, impulsado por los datos, la mayoría de las aplicaciones del mundo real se enfrentan al reto del desequilibrio de clases, en el que los datos críticos son escasos. Este desequilibrio afecta gravemente a la precisión de los modelos de clasificación, especialmente en ámbitos sensibles como el diagnóstico médico, las finanzas y la predicción de defectos de software. En los sistemas de software, la predicción temprana de defectos es esencial para reducir los costes y mejorar la fiabilidad. Sin embargo, muchos modelos de aprendizaje automático fallan debido a conjuntos de datos sesgados. Para abordar este problema, proponemos tres algoritmos novedosos: IDROS (sobremuestreo), IDRUS (submuestreo) y un enfoque híbrido IDROSUS. IDROS utiliza KNN alrededor del centroide minoritario para generar datos sintéticos, mientras que IDRUS elimina las muestras mayoritarias menos relevantes en función de la distancia a la media. El híbrido IDROSUS equilibra ambos lados simultáneamente, reduciendo el sobreajuste y el subajuste. Evaluamos estos métodos utilizando 40 conjuntos de datos del repositorio PROMISE y los probamos en ocho clasificadores. Las métricas de rendimiento, como la exactitud, la recuperación, la precisión y la medida F, mostraron que IDROSUS superaba a las técnicas existentes.

Opiniones del libro

Ver más opiniones de clientes
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Preguntas frecuentes sobre el libro

¿El libro es original?

Todos los libros de nuestro catálogo son Originales.

¿En qué Idioma está escrito el libro?

El libro está escrito en Español.

¿Cuál es la encuadernación de este libro?

La encuadernación de esta edición es Tapa Blanda.

Preguntas y respuestas sobre el libro

¿Tienes una pregunta sobre el libro? Inicia sesión para poder agregar tu propia pregunta.

Opiniones sobre Buscalibre

Ver más opiniones de clientes