Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida
Document title: Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida
Journal: Dyna (Medellín)
Database: PERIÓDICA
System number: 000368739
ISSN: 0012-7353
Authors: 1
2
1
1
Institutions: 1Universidad de Camagüey, Facultad de Informática, Camagüey. Colombia
2Universidad Central "Marta Abreu" de Las Villas, Santa Clara, Villa Clara. Cuba
Year:
Season: Oct
Volumen: 78
Number: 169
Pages: 62-70
Country: Colombia
Language: Español
Document type: Artículo
Approach: Aplicado, descriptivo
Spanish abstract 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 abstract 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 MODLEM
Disciplines: Ciencias de la computación
Keyword: Aprendizaje de máquinas,
Reglas de clasificación,
Teoría de los conjuntos aproximados,
Relaciones de similaridad,
Minería de datos
Keyword: Computer science,
Machine learning,
Classification rules,
Rough set theory,
Similarity relations,
Data mining
Full text: Texto completo (Ver HTML)