LogicaU5 - Anneth Tinajero

Vista previa del material en texto

Aspecto 1: ¿Qué es el análisis de patrones? 
Analizar patrones proporciona medidas descriptivas de los patrones de valores 
perdidos en los datos y puede resultar útil como paso exploratorio antes de la 
imputación. 
Aspecto 2: Explica las particiones de espacio. 
Una partición de disco, en mantenimiento, es el nombre genérico que recibe cada 
división presente en una sola unidad física de almacenamiento de datos. Toda 
partición tiene su propio sistema de archivos (formato); generalmente, casi 
cualquier sistema operativo interpreta, utiliza y manipula cada partición como un 
disco físico independiente, a pesar de que dichas particiones estén en un solo disco 
físico. 
Partición lógica: Ocupa una porción de la partición extendida o la totalidad de la 
misma, la cual se ha formateado con un tipo específico de sistema de archivos 
(FAT32, NTFS, ext2,...) y se le ha asignado una unidad, así el sistema operativo 
reconoce las particiones lógicas o su sistema de archivos. Puede haber un máximo 
de 23 particiones lógicas en una partición extendida. Linux impone un máximo de 
15, incluyendo las 4 primarias, en discos SCSI y en discos IDE 8963. 
Aspecto 3: ¿Por qué es importante la identificación de patrones? 
El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre 
ingeniería, computación y matemáticas relacionados con objetos físicos o 
abstractos, con el propósito de extraer información que permita establecer 
propiedades de entre conjuntos de dichos objetos. 
Aspecto 4: Explica el reconocimiento de patrones difusos. 
1. Adquisición de datos: El primer paso consta en la adquisición de datos. El 
responsable de este proceso es de un dispositivo llamado sensor. Funciona 
transformando magnitudes físicas o químicas en magnitudes eléctricas. Las 
variables captadas pueden ser de distintas índoles, como, por ejemplo: color, 
temperatura, intensidad lumínica, inclinación, velocidad, fuerza, etc. 
2. Formulación de característica: Consta en la formulación de características 
para usarse posteriormente en la clasificación de objetos. 
3. Selección de atributos: Es la selección adecuada de atributos para 
describir a los objetos. 
4. Clasificación de objetos: En este paso, se clasifican los objetos de acuerdo 
a los atributos que presentan, asignándolos en un grupo u otro. En este 
procedimiento se utilizan tecnologías de machine learning, que consta en 
hacer que las computadoras aprendan a clasificar los objetos de manera 
autónoma. 
https://es.wikipedia.org/wiki/Mantenimiento
https://es.wikipedia.org/wiki/Hardware
https://es.wikipedia.org/wiki/Sistema_de_archivos
https://www.ceupe.com/blog/machine-learning.html
o Clasificación supervisada: Es la utilización de modelos ya 
prestablecidos para clasificar objetos o comportamientos. 
o Clasificación no supervisada: Es cuando la clasificación se realiza 
intentando identificar similitudes entre objetos. 
o Clasificación parcialmente supervisada: Es un panorama donde 
existen modelos en algunas clases, pero no en todas. Por lo tanto, 
combina elementos de la clasificación supervisada y no supervisada.