El aprendizaje basado en casos (CBL, por sus siglas en inglés) es un método de aprendizaje de máquina en el que un sistema aprende a partir de la resolución de casos previos similares a la tarea actual.
En este método, el sistema utiliza una base de casos que contiene una serie de casos previamente resueltos que son similares a la tarea actual. El sistema utiliza esta información para buscar casos similares y aplicar la solución previa a la tarea actual.
El proceso de CBL se compone de tres fases: la recuperación, la adaptación y la evaluación. En la fase de recuperación, el sistema busca casos similares en la base de datos. En la fase de adaptación, el sistema modifica la solución del caso anterior para adaptarse a la tarea actual. En la fase de evaluación, el sistema evalúa la solución propuesta y la compara con la solución óptima.
El aprendizaje basado en casos es utilizado en diversas aplicaciones, como en la resolución de problemas de diagnóstico médico, el reconocimiento de patrones, la toma de decisiones, la planificación de tareas, entre otros.
Muchas veces nos preguntamos dónde se aplica el Big Data y podemos suponer una gran relevancia de Big Data para los negocios. Esto explica el gran in [...]
Leer más »En el dinámico mundo financiero, optimizar la rentabilidad de los activos disponibles es esencial para el éxito de cualquier entidad crediticia. Gam [...]
Leer más »Normalmente las siglas NPLs (Non Performing Loans) se utilizan en el ámbito financiero y es una realidad tanto en los bancos españoles como en los b [...]
Leer más »El análisis de big data es el proceso de analizar fuentes de datos grandes y complejas para descubrir tendencias, patrones, comportamientos de los cl [...]
Leer más »
