clasificaci´on mediante conjuntos - Escuela Politécnica Superior

112 CAPÍTULO 5. ORDEN DE AGREGACIÓN Y PODA EN BAGGING0.240.22waveform - entrenamientobaggingmejoresreduce-errordistancia (p=0.075)0.340.32waveform - testbaggingmejoresreduce-errordistancia (p=0.075)0.20.180.30.160.28error0.14error0.120.260.10.240.080.060.220.040 5 10 15 20 25no. de clasificadores0.20 5 10 15 20 25no. de clasificadores0.220.2waveform - entrenamientobaggingmejoresreduce-errordistancia (p=0.075)0.340.32waveform - testbaggingmejoresreduce-errordistancia (p=0.075)0.180.160.30.140.28error0.12error0.10.260.080.240.060.040.220.020 5 10 15 20 25 30no. de clasificadores0.20 5 10 15 20 25 30no. de clasificadoresFigura 5.6: Curvas de error de entrenamiento y test para bagging (línea continua), mejoressoluciones (línea de trazos), reducción de error (línea trazo-punto) y distancias de margen(p=0.075) (línea punteada) para Waveformmedia 4291 seg. de tiempo de CPU en el mismo procesador y casi 5 días de tiempode procesador en total.Estos conjuntos fueron ordenados asimismo utilizando los métodos de reducción deerror y de minimización de distancias de margen (p = 0.075).En la figura 5.6 se muestran los errores de entrenamiento (gráficas a la izquierda) y test(derecha) para 31 clasificadores (abajo) y la media de las ejecuciones con 25 clasificadores(arriba) para los distintos algoritmos. Las curvas inferiores de las gráficas de entrenamientono representan una secuencia incremental de clasificadores; cada punto de estas curvases el error del mejor subconjunto para el tamaño correspondiente (para un número imparde clasificadores) obtenido por búsqueda exhaustiva. Por tanto estas curvas representan ellímite inferior de error alcanzable en el conjunto de entrenamiento.De las figuras de entrenamiento podemos observar que el método de reducción de error