Métodos De Edición De Conjuntos De Entrenamiento: Edición De Conjuntos De Entrenamiento Para Algoritmos De Aprendizaje Automatizado Spanish edition

En el Aprendizaje Automatizado es una necesidad el preprocesamiento de la información, la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. La Teoría de los Conjuntos Aproximados (RST) abrió una nueva dirección en el desarrollo de teorías sobre la información incompleta y es una poderosa herramienta para el análisis de datos. En esta investigación se demuestra la posibilidad de usar esta teoría en el preprocesamiento de los datos, para editar conjuntos de entrenamiento para resolver problemas de clasificación supervisada. Se propone un nuevo método (EditCenter) basado en los conceptos de aproximación de la RST y relaciones de similitud. El método propuesto ha sido estudiado experimentalmente usando bases de datos internacionales. Se realizan pruebas de efectividad en la clasificación con los métodos de los K-Vecinos más Cercanos (k-NN) y C4.5 por ser de los más referenciados, lo cual permite corroborar que es factible utilizar la Teoría de los Conjuntos Aproximados en la edición de conjuntos de entrenamiento.