clasificaci´on mediante conjuntos - Escuela Politécnica Superior

144 APÉNDICE A. DESCRIPCIÓN DE LOS CONJUNTOS DE DATOS UTILIZADOSA.1.6.HeartHeartRepositorio UCI(Robert Detrano - Cleveland Clinic Foundation)Datos: 270 Atributos: 13 (10 cuantitativos, 3 categóricos)Clases: 2 Distribución: 150 (ausencia) y 120 (presencia)Tipo: Real Ausentes: NoDescripción: Consiste en la identificación de ausencia o presencia de enfermedadcoronaria en pacientes a partir de: edad, sexo, tipo de dolor de pecho,pruebas médicas, etc.Observaciones: Esta base de datos fue creada en el proyecto Statlog [Michie et al.,1994] a partir de la base de datos Heart-Cleveland. La base de datosoriginal contenía 75 atributos y 5 grados de enfermedad coronaria quefueron simplificados a 13 atributos y dos clases (ausencia o presenciade enfermedad). Asimismo, se eliminaron una serie de instancias portener valores ausentes y otras causas. En el proyecto Statlog esta basede datos se utilizo con una matriz de coste que penalizaba clasificarun paciente como sano estando enfermo.A.1.7.Horse ColicHorse ColicRepositorio UCI(Mary McLeish y Matt Cecile - University of Guelph)Datos: 368 Atributos: 21 (7 cuantitativos, 14 categóricos)Clases: 2 Distribución: 232 (Sí) y 136 (No)Tipo: Real Ausentes: Sí (30 % de los valores)Descripción: A partir del estado de los caballos (pulse, temperatura de distintaspartes del cuerpo, frecuencia respiratoria, etc) determinar si la lesionera retrospectivamente para operar o noObservaciones: Existes 5 posibles campos sobre los que clasificar. Cuando se utilizaeste conjunto se eliminan los 4 campos con clases que no se usenademás de un identificador de hospital y otra variable más con todossus valores ausentes. Se trata de un problema complicado en parte porla gran cantidad de valores ausente.