clasificaci´on mediante conjuntos - Escuela Politécnica Superior
clasificaci´on mediante conjuntos - Escuela Politécnica Superior clasificaci´on mediante conjuntos - Escuela Politécnica Superior
3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 684. Alteración de etiquetas de clase 714.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714.2. Modificación de las etiquetas de clase . . . . . . . . . . . . . . . . . . . . 724.3. Un experimento ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . 764.4. Experimentos en conjuntos UCI . . . . . . . . . . . . . . . . . . . . . . . 804.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90II Ordenación y poda de conjuntos de clasificadores 935. Orden de agregación y poda en bagging 955.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 955.2. Ordenación de clasificadores . . . . . . . . . . . . . . . . . . . . . . . . . 965.3. Otros Trabajos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . 1005.4. Algoritmos de ordenación . . . . . . . . . . . . . . . . . . . . . . . . . . . 1025.4.1. Ordenación basada en propiedades individuales . . . . . . . . . . . 1035.4.2. Algoritmos de ordenación codiciosos . . . . . . . . . . . . . . . . 1045.4.3. Validación de la ordenación codiciosa por comparación con algoritmosóptimos de selección . . . . . . . . . . . . . . . . . . . . . 1115.5. Resultados experimentales . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.5.1. Efecto del número de clasificadores del conjunto de partida en laordenación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.5.2. Experimentos en bases de datos . . . . . . . . . . . . . . . . . . . 1235.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1356. Conclusiones y trabajo futuro 137A. Descripción de los conjuntos de datos utilizados 141A.1.1. Audio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141A.1.2. Australian Credit . . . . . . . . . . . . . . . . . . . . . . . . . . . 142A.1.3. Breast Cancer Wisconsin . . . . . . . . . . . . . . . . . . . . . . . 142A.1.4. Pima Indian Diabetes . . . . . . . . . . . . . . . . . . . . . . . . . 143A.1.5. German Credit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143A.1.6. Heart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.1.7. Horse Colic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.1.8. Ionosphere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145A.1.9. Labor Negotiations . . . . . . . . . . . . . . . . . . . . . . . . . . 145A.1.10. New-Thyroid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146A.1.11. Image Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . 146
A.1.12. Sonar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147A.1.13. Threenorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147A.1.14. Tic-tac-toe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148A.1.15. Twonorm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148A.1.16. Vehicle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149A.1.17. Vowel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149A.1.18. Waveform . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150A.1.19. Wine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151Bibliografía 152
- Page 1: Universidad Autónoma de MadridEscu
- Page 5 and 6: AgradecimientosAgradezco muy sincer
- Page 7: Índice generalAgradecimientosV1. I
- Page 12 and 13: 4.5. Número medio de clasificadore
- Page 14 and 15: 3.5. Pseudocódigo de comités IGP
- Page 17 and 18: Capítulo 1IntroducciónUn clasific
- Page 19 and 20: 3aparecen en el problema concreto d
- Page 21 and 22: 5donde se realizan, etc [Dorronsoro
- Page 23 and 24: 7algoritmo genera un árbol de deci
- Page 25 and 26: de construcción de conjuntos de cl
- Page 27 and 28: Capítulo 2Clasificación2.1. Clasi
- Page 29 and 30: 2.1. CLASIFICACIÓN SUPERVISADA Y T
- Page 31 and 32: 2.2. ÁRBOLES DE DECISIÓN: CART Y
- Page 33 and 34: 2.2. ÁRBOLES DE DECISIÓN: CART Y
- Page 35 and 36: 2.2. ÁRBOLES DE DECISIÓN: CART Y
- Page 37 and 38: 2.2. ÁRBOLES DE DECISIÓN: CART Y
- Page 39 and 40: 2.2. ÁRBOLES DE DECISIÓN: CART Y
- Page 41 and 42: 2.3. CONJUNTOS DE CLASIFICADORES 25
- Page 43 and 44: 2.3. CONJUNTOS DE CLASIFICADORES 27
- Page 45 and 46: 2.3. CONJUNTOS DE CLASIFICADORES 29
- Page 47 and 48: 2.4. ANÁLISIS DE SU FUNCIONAMIENTO
- Page 49 and 50: 2.4. ANÁLISIS DE SU FUNCIONAMIENTO
- Page 51 and 52: 2.4. ANÁLISIS DE SU FUNCIONAMIENTO
- Page 53 and 54: 2.4. ANÁLISIS DE SU FUNCIONAMIENTO
- Page 55 and 56: 2.5. BAGGING Y BOSQUES ALEATORIOS 3
- Page 57 and 58: 2.6. BOOSTING 41ni de los ejemplos
3.4. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 684. Alteración de etiquetas de clase 714.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 714.2. Modificación de las etiquetas de clase . . . . . . . . . . . . . . . . . . . . 724.3. Un experimento ilustrativo . . . . . . . . . . . . . . . . . . . . . . . . . . 764.4. Experimentos en <strong>conjuntos</strong> UCI . . . . . . . . . . . . . . . . . . . . . . . 804.5. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90II Ordenación y poda de <strong>conjuntos</strong> de clasificadores 935. Orden de agregación y poda en bagging 955.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 955.2. Ordenación de clasificadores . . . . . . . . . . . . . . . . . . . . . . . . . 965.3. Otros Trabajos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . 1005.4. Algoritmos de ordenación . . . . . . . . . . . . . . . . . . . . . . . . . . . 1025.4.1. Ordenación basada en propiedades individuales . . . . . . . . . . . 1035.4.2. Algoritmos de ordenación codiciosos . . . . . . . . . . . . . . . . 1045.4.3. Validación de la ordenación codiciosa por comparación con algoritmosóptimos de selección . . . . . . . . . . . . . . . . . . . . . 1115.5. Resultados experimentales . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.5.1. Efecto del número de clasificadores del conjunto de partida en laordenación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.5.2. Experimentos en bases de datos . . . . . . . . . . . . . . . . . . . 1235.6. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1356. Conclusiones y trabajo futuro 137A. Descripción de los <strong>conjuntos</strong> de datos utilizados 141A.1.1. Audio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141A.1.2. Australian Credit . . . . . . . . . . . . . . . . . . . . . . . . . . . 142A.1.3. Breast Cancer Wisconsin . . . . . . . . . . . . . . . . . . . . . . . 142A.1.4. Pima Indian Diabetes . . . . . . . . . . . . . . . . . . . . . . . . . 143A.1.5. German Credit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143A.1.6. Heart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.1.7. Horse Colic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144A.1.8. Ionosphere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145A.1.9. Labor Negotiations . . . . . . . . . . . . . . . . . . . . . . . . . . 145A.1.10. New-Thyroid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146A.1.11. Image Segmentation . . . . . . . . . . . . . . . . . . . . . . . . . 146