Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida
Título del documento: Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida
Revista: Dyna (Medellín)
Base de datos: PERIÓDICA
Número de sistema: 000368739
ISSN: 0012-7353
Autores: 1
2
1
1
Instituciones: 1Universidad de Camagüey, Facultad de Informática, Camagüey. Colombia
2Universidad Central "Marta Abreu" de Las Villas, Santa Clara, Villa Clara. Cuba
Año:
Periodo: Oct
Volumen: 78
Número: 169
Paginación: 62-70
País: Colombia
Idioma: Español
Tipo de documento: Artículo
Enfoque: Aplicado, descriptivo
Resumen en 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
Resumen en inglés 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
Disciplinas: Ciencias de la computación
Palabras clave: 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
Texto completo: Texto completo (Ver HTML)