Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida

• Yaima Filiberto ^[1] ; Rafael Bello ^[2] ; Yailé Caballero Mota ^[1] ; Mabel Frias ^[3]
  1. [1] Universidad de Camagüey, Cuba. Tecnologías
  2. [2] Universidad Central de Las Villas, Cuba. Tecnologías. Economía y Empresa
  3. [3] Facultad de Informática. Universidad de Camagüey, Cuba. Tecnologías

  Mostrar afiliaciones +
• Localización: DYNA: revista de la Facultad de Minas. Universidad Nacional de Colombia. Sede Medellín, ISSN 0012-7353, Vol. 78, Nº. 169, 2011, págs. 62-70
• Idioma: español
• Títulos paralelos:
  • Algorithm to learn clasification rules based on the extended rough set theory
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los conjuntos aproximados han demostrado ser efectivos para desarrollar técnicas de aprendizaje automático, entre ellos métodos para el descubrimiento de reglas de clasificación. En este trabajo se presenta un algoritmo para generar reglas de clasificación basado en relaciones de similaridad, lo que permite que sea aplicable en casos donde los rasgos tienen dominio discreto o continuo. Los resultados experimentales muestran un desempeño satisfactorio en comparación con otros algoritmos conocidos como C4.5 y MODLEM

  • English

    Rough sets have allowed developing several machine learning techniques, among them methods to discover rules of classification. In this paper, we present an algorithm to generate rules of classification based on similarity relations, this allows to apply this method in the case of features with discrete or real domains. The experimental results show a satisfactory performance of this algorithm in comparison with other such as C4.5 and MODLE