20.10: ¿Qué hemos aprendido?
- Page ID
- 54818
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
- Las redes vienen en varios tipos y se pueden representar en vistas probabilísticas y algebraicas
- Diferentes medidas de centralidad miden la importancia de los nodos/bordes a partir de diferentes aspectos
- PCA y SVD son útiles para descubrir patrones estructurales en la red mediante la realización de la descomposición de la matriz
- La PCA dispersa mejora la PCA al seleccionar algunas variables más representativas en los datos y recupera con mayor precisión la estructura de la comunidad
- Las comunidades de red tienen una variedad de definiciones, cada una de las cuales tiene algoritmos específicos diseñados para la detección de comunidades
- Las redes neuronales y las redes de aprendizaje profundo son máquinas de aprendizaje supervisado que capturan patrones complejos en datos.