Resumen de Evaluación del desempeño de modelos de decisión espectral predictivos
César Augusto Hernández Suárez, Fredy Hernán Martínez Sarmiento, Diego A. Giral
- español
Esta investigación presenta la evaluación de desempeño de dos modelos de decisión espectral predictivos (Naïve Bayes y regresión logística). Se analizan el nivel de interferencia y el nivel de calidad en predicción. Se utilizan datos de ocupación espectral reales, en dos escenarios (tráfico bajo y tráfico alto), a partir de cinco métricas de evaluación: 1) número de cambios de canal totales, 2) número de cambios de canal fallidos, 3) número de cambios de canal con interferencia, 4) número de cambios de canal anticipados y 5) número de cambios de canal perfectos. Los resultados evidencian que el modelo de Naïve Bayes tiene un mejor desempeño que la regresión logística. Sin embargo, no es posible tomar decisiones con una sola métrica de evaluación porque, aunque el nivel interferencia sea bajo, una alta tasa de cambios de canal puede afectar significativamente la calidad de la comunicación. Se concluye que la interferencia y el número de cambios de canal tienen mayor relevancia que las demás métricas.
- English
This research study aims to assess the performance of two predictive spectral decision models (Naïve Bayes and logistic regression) by analyzing interference and prediction quality levels. Real spectral occupancy data are used in two types of scenarios (low traffic and high traffic), based on five metrics: 1) number of total handoffs, 2) number of failed handoffs, 3) number of handoffs with interference, 4) number of anticipated handoffs and 5) number of perfect handoffs. The results show that the Naive Bayes model performs better than the logistic regression model. However, in spite of low interference levels, it is not possible to make decisions with a single evaluation metric since high handoff rates significantly affect communication quality. It is concluded that interference and the number of channels are the two most relevant metrics.
