Extracción de reglas utilizando estrategias adaptativas

Esta tesis presenta una nueva técnica de Minería de Datos capaz de construir, a partir de la información disponible, un conjunto de reglas de clasificación que posea tres características fundamentales: precisión aceptable, cardinalidad baja y simplicidad en la definición de las reglas. Esto último e...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Lanzarini, Laura Cristina
Otros Autores:	De Giusti, Armando Eduardo
Formato:	Tesis Tesis de doctorado
Lenguaje:	Español
Publicado:	2017
Materias:	Ciencias Informáticas minería de datos Data mining Optimization reglas de clasificación estrategias adaptativas optimización mediante cúmulo de partículas
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/59408 https://doi.org/10.35537/10915/59408
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-59408
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas minería de datos Data mining Optimization reglas de clasificación estrategias adaptativas optimización mediante cúmulo de partículas
spellingShingle	Ciencias Informáticas minería de datos Data mining Optimization reglas de clasificación estrategias adaptativas optimización mediante cúmulo de partículas Lanzarini, Laura Cristina Extracción de reglas utilizando estrategias adaptativas
topic_facet	Ciencias Informáticas minería de datos Data mining Optimization reglas de clasificación estrategias adaptativas optimización mediante cúmulo de partículas
description	Esta tesis presenta una nueva técnica de Minería de Datos capaz de construir, a partir de la información disponible, un conjunto de reglas de clasificación que posea tres características fundamentales: precisión aceptable, cardinalidad baja y simplicidad en la definición de las reglas. Esto último está dado por el uso de un número reducido de atributos en la construcción del antecedente. Esta característica, sumada a la baja cardinalidad del conjunto de reglas permite distinguir patrones sumamente útiles a la hora de comprender las relaciones entre los datos. Estas cualidades hacen que el modelo obtenido posea una gran capacidad descriptiva resultando sumamente útil para la toma de decisiones. El método propuesto ha sido aplicado sobre varios conjuntos de datos, tanto de repositorio como reales, demostrando que ambas características se verifican aunque en algunos casos su precisión sea ligeramente superada por otros métodos existentes. Esto tiene que ver con la presión realizada por mantener la simplicidad del modelo no permitiendo la generación de reglas con poca cobertura.
author2	De Giusti, Armando Eduardo
author_facet	De Giusti, Armando Eduardo Lanzarini, Laura Cristina
format	Tesis Tesis de doctorado
author	Lanzarini, Laura Cristina
author_sort	Lanzarini, Laura Cristina
title	Extracción de reglas utilizando estrategias adaptativas
title_short	Extracción de reglas utilizando estrategias adaptativas
title_full	Extracción de reglas utilizando estrategias adaptativas
title_fullStr	Extracción de reglas utilizando estrategias adaptativas
title_full_unstemmed	Extracción de reglas utilizando estrategias adaptativas
title_sort	extracción de reglas utilizando estrategias adaptativas
publishDate	2017
url	http://sedici.unlp.edu.ar/handle/10915/59408 https://doi.org/10.35537/10915/59408
work_keys_str_mv	AT lanzarinilauracristina extracciondereglasutilizandoestrategiasadaptativas
bdutipo_str	Repositorios
_version_	1764820478482972674

Extracción de reglas utilizando estrategias adaptativas

Ejemplares similares