En el ámbito de la ciencia de datos, la ténica «binning» -> Permite transformar datos continuos en categorías discretas.
El binning (también llamado discretización) consiste en dividir un rango continuo de valores en intervalos o «bins», convirtiendo una variable continua en una variable categórica.
Ejemplos:
- Edad:
- 0–17
- 18–35
- 36–65
- 65
- Salario:
- Bajo
- Medio
- Alto
Es una técnica habitual en el preprocesamiento de datos para facilitar el análisis o el entrenamiento de algunos modelos.
Cifrado homomórfico = Permiten realizar operaciones sobre datos cifrados sin necesidad de desencriptarlos primero. Permite operar sobre datos cifrados sin descifrarlos.
Aprendizaje supervisado = Permite, para cada entrada en el conjunto de entrenamiento, producir una salida conocida (o etiqueta) que el algoritmo utiliza para aprender la relación entre las características (input) y las etiquetas (output). El modelo aprende a partir de ejemplos etiquetados
Clustering o aprendizaje no supervisado = Permite descubrir patrones y segmentar los datos de entrada. Su objetivo es descubrir patrones o agrupar datos similares.