Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo
En este artículo presentamos un nuevo método, de nominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pittsbu...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2002 |
| País: | España |
| Institución: | Universidad de Sevilla (US) |
| Repositorio: | idUS. Depósito de Investigación de la Universidad de Sevilla |
| OAI Identifier: | oai:idus.us.es:11441/145570 |
| Acceso en línea: | https://hdl.handle.net/11441/145570 |
| Access Level: | acceso abierto |
| Palabra clave: | Minería de Datos Aprendizaje Supervisado Clasificación Algoritmos Evolutivos Data Mining Supervised Learning Classification Evolutionary Algorithm |
| Sumario: | En este artículo presentamos un nuevo método, de nominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pittsburg. Así, cada individuo está compuesto por un conjunto de reglas de clasificación que dividen el espacio de búsqueda en regiones para cada una de las clases del conjunto de datos. La función de bondad determina la exactitud de cada individuo mediante la exploración de estas regiones. El modelo de clasificación es deducido a partir del mejor individuo obtenido durante el proceso evolutivo. Para analizar los resultados se ofrece una comparativa entre OBLIC, C4.5 y OC1 sobre un conjunto de bases de datos del UCI Repository. |
|---|