Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3
Existe una tendencia a nivel general por el impulso de la apertura de datos públicos por parte de los gobiernos. Esto conlleva a que no sólo es fun-damental para el crecimiento de los países, sino que, además, incrementa la transparencia gubernamental para con los ciudadanos, y, por otra parte, es u...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2022
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/151764 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/448/380 |
| Aporte de: |
| id |
I19-R120-10915-151764 |
|---|---|
| record_format |
dspace |
| spelling |
I19-R120-10915-1517642023-04-20T13:17:06Z http://sedici.unlp.edu.ar/handle/10915/151764 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/448/380 issn:2451-7496 Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 Martínez, Roxana Vilaboa, Pablo Catala, Nelson 2022-10 2022 2023-04-19T15:57:02Z es Ciencias Informáticas Machine learning Datos públicos abiertos Aprendizaje supervisado Existe una tendencia a nivel general por el impulso de la apertura de datos públicos por parte de los gobiernos. Esto conlleva a que no sólo es fun-damental para el crecimiento de los países, sino que, además, incrementa la transparencia gubernamental para con los ciudadanos, y, por otra parte, es una de forma de motivar a la utilización e implementación de la innovación tecno-lógica y a la participación ciudadana. El aporte de este trabajo de investigación conlleva a un relevamiento de los algoritmos de aprendizaje más relevantes en aspectos de aprendizaje supervisado como así también en un estudio general de las herramientas de machine learning más utilizadas en la actualidad. Como si-guiente paso, este trabajo propone un análisis para la evaluación de algoritmos de aprendizaje de datos públicos abiertos, en este caso se toma en cuenta el es-tudio de un dataset público enfocado a enfermedades del corazón a nivel de sa-lud. A través de la herramienta Orange se analizan los distintos algoritmos, y mediante una evaluación de testeo y puntuación (“Test and Score” y “Confu-sion Matrix”) se realiza la clasificación y ranqueo de los resultados arrojados para estos modelos según el criterio de mejor precisión en algoritmo. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 58-68 |
| institution |
Universidad Nacional de La Plata |
| institution_str |
I-19 |
| repository_str |
R-120 |
| collection |
SEDICI (UNLP) |
| language |
Español |
| topic |
Ciencias Informáticas Machine learning Datos públicos abiertos Aprendizaje supervisado |
| spellingShingle |
Ciencias Informáticas Machine learning Datos públicos abiertos Aprendizaje supervisado Martínez, Roxana Vilaboa, Pablo Catala, Nelson Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| topic_facet |
Ciencias Informáticas Machine learning Datos públicos abiertos Aprendizaje supervisado |
| description |
Existe una tendencia a nivel general por el impulso de la apertura de datos públicos por parte de los gobiernos. Esto conlleva a que no sólo es fun-damental para el crecimiento de los países, sino que, además, incrementa la transparencia gubernamental para con los ciudadanos, y, por otra parte, es una de forma de motivar a la utilización e implementación de la innovación tecno-lógica y a la participación ciudadana. El aporte de este trabajo de investigación conlleva a un relevamiento de los algoritmos de aprendizaje más relevantes en aspectos de aprendizaje supervisado como así también en un estudio general de las herramientas de machine learning más utilizadas en la actualidad. Como si-guiente paso, este trabajo propone un análisis para la evaluación de algoritmos de aprendizaje de datos públicos abiertos, en este caso se toma en cuenta el es-tudio de un dataset público enfocado a enfermedades del corazón a nivel de sa-lud. A través de la herramienta Orange se analizan los distintos algoritmos, y mediante una evaluación de testeo y puntuación (“Test and Score” y “Confu-sion Matrix”) se realiza la clasificación y ranqueo de los resultados arrojados para estos modelos según el criterio de mejor precisión en algoritmo. |
| format |
Objeto de conferencia Objeto de conferencia |
| author |
Martínez, Roxana Vilaboa, Pablo Catala, Nelson |
| author_facet |
Martínez, Roxana Vilaboa, Pablo Catala, Nelson |
| author_sort |
Martínez, Roxana |
| title |
Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| title_short |
Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| title_full |
Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| title_fullStr |
Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| title_full_unstemmed |
Evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante Orange3 |
| title_sort |
evaluación de algoritmos de aprendizaje con datos públicos abiertos de machine learning mediante orange3 |
| publishDate |
2022 |
| url |
http://sedici.unlp.edu.ar/handle/10915/151764 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/448/380 |
| work_keys_str_mv |
AT martinezroxana evaluaciondealgoritmosdeaprendizajecondatospublicosabiertosdemachinelearningmedianteorange3 AT vilaboapablo evaluaciondealgoritmosdeaprendizajecondatospublicosabiertosdemachinelearningmedianteorange3 AT catalanelson evaluaciondealgoritmosdeaprendizajecondatospublicosabiertosdemachinelearningmedianteorange3 |
| _version_ |
1765660014125514752 |