🏠 Inicio
Pruebas de rendimiento
📊 Todos los benchmarks 🦖 Dinosaurio v1 🦖 Dinosaurio v2 ✅ Aplicaciones To-Do List 🎨 Páginas libres creativas 🎯 FSACB - Showcase definitivo 🌍 Benchmark de traducción
Modelos
🏆 Top 10 modelos 🆓 Modelos gratuitos 📋 Todos los modelos ⚙️ Kilo Code
Recursos
💬 Biblioteca de prompts 📖 Glosario de IA 🔗 Enlaces útiles

Glosario IA

El diccionario completo de la Inteligencia Artificial

231
categorías
2.999
subcategorías
35.535
términos
📖
términos

Método IQR

Técnica no paramétrica que identifica valores atípicos como aquellos situados fuera de 1.5 veces el rango intercuartílico por encima del tercer cuartil o por debajo del primero.

📖
términos

Prueba de Grubbs

Prueba estadística de hipótesis que identifica valores atípicos univariados asumiendo una distribución normal y probando si el valor extremo es significativamente diferente.

📖
términos

Factor de Valor Atípico Basado en Conectividad

Medida basada en la conectividad de los k-vecinos más cercanos que evalúa el grado de aislamiento de un punto respecto a la estructura global del grafo de vecindad.

📖
términos

Detección de Valores Atípicos Basada en Ángulos

Método que explota las propiedades angulares entre puntos en el espacio de datos, donde las anomalías presentan varianzas angulares más bajas que los puntos normales.

📖
términos

Puntuación de Valor Atípico Basada en Histograma

Enfoque basado en histograma multidimensional que evalúa la rareza de una observación según la frecuencia de las celdas del histograma que ocupa.

📖
términos

Detección de Valores Atípicos k-NN

Método que utiliza la distancia a los k-vecinos más cercanos como puntuación de anomalía, donde los puntos con las distancias promedio más altas se consideran atípicos.

📖
términos

Detección de Valores Atípicos en Subespacios

Técnica que identifica anomalías en diferentes subespacios de dimensiones donde pueden ser más detectables que en el espacio de dimensiones completo.

📖
términos

Feature Bagging

Método de conjunto que crea múltiples detectores sobre diferentes subconjuntos aleatorios de características, agregando sus resultados para mejorar la robustez de la detección.

📖
términos

Detección de Anomalías con PCA

Uso del análisis de componentes principales para detectar anomalías como puntos que tienen puntuaciones de reconstrucción altas después de la proyección sobre los componentes principales.

🔍

No se encontraron resultados