Uso de técnicas de aprendizaje para clasificación ordinal y regresión

• Autores: Juan Carlos Gámez Granados
• Directores de la Tesis: Raúl Pérez Rodríguez (dir. tes.) , Antonio González Muñoz (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 2017
• Idioma: español
• Tribunal Calificador de la Tesis: Óscar Cordón García (presid.) , Rafael Alcalá Fernández (secret.) , Carmen Martínez Cruz (voc.) , José Manuel Soto Hidalgo (voc.) , Amelia Zafra Gómez (voc.)
• Enlaces
  • Tesis en acceso abierto en: DIGIBUG
• Resumen

  • Debido al vertiginoso avance de la tecnología y los computadores, cada vez es más común la resolución de problemas utilizando estos medios, aplicando conceptos como inteligencia y aprendizaje a las máquinas y siendo el germen de lo que hoy se conoce como Aprendizaje Automático. El Aprendizaje Automático es una rama de la Inteligencia Artificial cuyo objetivo, de forma genérica, es el desarrollo de técnicas que permitan a las computadoras aprender. De esta forma, esta tesis presenta el “uso de técnicas de aprendizaje para la resolución de problemas de clasificación ordinal y regresión”.

    Por ello, se comienza con la introducción de los conceptos y técnicas que se usarán a lo largo de la misma, como son: Aprendizaje Automático, Lógica Difusa, Algoritmos Genéticos y Aprendizaje de Reglas Difusas, así como una clasificación de los diferentes tipos de problemas a abordar y las métricas más usadas en los mismos.

    A continuación, se presenta el algoritmo de clasificación nominal que será usado como base, este es, NSLV. Se exponen los principales elementos del mismo que son susceptibles de ser modificados en el desarrollo del algoritmo para problemas de clasificación ordinal.

    Posteriormente, se expone la extensión del algoritmo base para clasificación ordinal junto con las modificaciones realizadas sobre el mismo, así como su desarrollo en un conjunto de datos representativos de este tipo de problemas.

    Finalmente, se presenta la modificación del algoritmo de clasificación ordinal expuesto anteriormente para abarcar problemas de regresión. Se exponen los cambios realizados así como el comportamiento del mismo con una muestra representativa de datos de este tipo de problemas. Debido al uso como base de un algoritmo de clasificación ordinal, adicional al valor real de salida, se presenta la posibilidad de incorporar un posible rango de error en el resultado.

    Como apéndices se muestra de forma breve algunas de las ideas y pruebas realizadas adicionales a las utilizadas en el desarrollo de los algoritmos, junto con los resultados obtenidos. Esto se presenta con la idea de posibilitar un seguimiento del razonamiento llevado a cabo en el desarrollo de estos algoritmos y al mismo tiempo proporcionar al lector una pequeña muestra de los resultados del proceso ensayo/error permitiendo agilizar su labor de investigación en caso de estar interesado en este ámbito.