Extracción de reglas utilizando estrategias adaptativas

• Autores: Lanzarini, Laura Cristina
• Año de publicación: 2017
• Idioma: español castellano
• Tipo de recurso: tesis doctoral
• Colaborador/a o director/a de tesis: De Giusti, Armando Eduardo
• Materia: Ingenierías y Tecnologías; Minería de Datos; reglas de clasificación; estrategias adaptativas; optimización mediante cúmulo de partículas
• Institución: Comisión de Investigaciones Científicas de la Provincia de Buenos Aires

Esta tesis presenta una nueva técnica de Minería de Datos capaz de construir, a partir de la información disponible, un conjunto de reglas de clasificación que posea tres características fundamentales: precisión aceptable, cardinalidad baja y simplicidad en la definición de las reglas. Esto último está dado por el uso de un número reducido de atributos en la construcción del antecedente. Esta característica, sumada a la baja cardinalidad del conjunto de reglas permite distinguir patrones sumamente útiles a la hora de comprender las relaciones entre los datos. Estas cualidades hacen que el modelo obtenido posea una gran capacidad descriptiva resultando sumamente útil para la toma de decisiones. El método propuesto ha sido aplicado sobre varios conjuntos de datos, tanto de repositorio como reales, demostrando que ambas características se verifican aunque en algunos casos su precisión sea ligeramente superada por otros métodos existentes. Esto tiene que ver con la presión realizada por mantener la simplicidad del modelo no permitiendo la generación de reglas con poca cobertura.
Tesis dirigida por el Ing. Armando De Giusti (UNLP) y el Dr. José Ángel Olivas Varela (UCLM, España).