Modelo de ensamble homogéneo basado en un proceso de reducción de datos simultaneo dirigido a la resolución de problemas de clasificación supervisada.
El objetivo de esta investigación es el diseño de un método de ensamble homogéneo basado en el esquema de funcionamiento de Bagging, considerando como clasificador base a J48; con la finalidad de mejorar la tasa de acierto en el proceso de clasificación supervisada. Para lograr este objetivo, esta p...
Guardado en:
| Autores principales: | , , , , |
|---|---|
| Formato: | Artículo revista |
| Lenguaje: | Español |
| Publicado: |
Facultad de Ciencias Exactas, Físicas y Naturales
2019
|
| Acceso en línea: | https://revistas.unc.edu.ar/index.php/FCEFyN/article/view/22897 |
| Aporte de: |
| Sumario: | El objetivo de esta investigación es el diseño de un método de ensamble homogéneo basado en el esquema de funcionamiento de Bagging, considerando como clasificador base a J48; con la finalidad de mejorar la tasa de acierto en el proceso de clasificación supervisada. Para lograr este objetivo, esta propuesta incorpora una estrategia fundamentada en la búsqueda de atributos e instancias más significativos, basado en un enfoque evolutivo. Con esta innovación se pretende propiciar una configuración apropiada del conjunto de datos, que es la entrada del método de ensamble, con el propósito de favorecer la tasa de acierto en el proceso de clasificación. Al finalizar la implementación de este modelo se espera comparar el rendimiento de la propuesta con la ejecución de diferentes pruebas. La configuración de las mismas consiste en ejecutar el método de ensamble Bagging con la aplicación de otras técnicas de selección simultánea de atributos e instancias sobre diferentes conjuntos de datos; considerando métricas como tasa de acierto, Coeficiente kappa de Cohen y tiempo de ejecución. Con este estudio se pretende principalmente lograr una contribución teórica referente a los métodos de ensamble homogéneos; mediante el diseño e implementación de esta alternativa que combina, de manera eficaz, las ventajas propuestas por los algoritmos evolutivos para la selección simultánea de atributos e instancias más significativos en el proceso de clasificación. |
|---|