Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos

Autores
Ciciliani, Gabriel; Martins, Sebastián; Merlino, Hernán
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el campo de la explotación de información, el proceso de descubrimiento de reglas de pertenencia a grupos se caracteriza por la utilización combinada de un proceso de descubrimiento de grupos (clustering) y uno de inducción de reglas. Dada la variedad de algoritmos de clustering e inducción de reglas disponibles en la actualidad, es de interés poder conocer a priori qué pareja de algoritmos es más conveniente para un set de datos, en a base sus características. En este artículo se propone un diseño experimental que permita validar el rendimiento de los algoritmos, en base a métricas internas, para distintos tipos de sets de datos, con características específicas, de forma tal que permita vincular dichas características con la pareja de algoritmos que mejor rendimiento ofrece. En adición, se presentan resultados preliminares obtenidos.
XV Workshop Bases de Datos y Minería de Datos (WBDDM)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Minería de Datos
inducción de reglas
descubrimiento de reglas de pertenencia a grupos
estudio de algoritmos
clustering
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/73239

id SEDICI_7f0610a217acae74980a8af7fdc04599
oai_identifier_str oai:sedici.unlp.edu.ar:10915/73239
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a gruposCiciliani, GabrielMartins, SebastiánMerlino, HernánCiencias InformáticasMinería de Datosinducción de reglasdescubrimiento de reglas de pertenencia a gruposestudio de algoritmosclusteringEn el campo de la explotación de información, el proceso de descubrimiento de reglas de pertenencia a grupos se caracteriza por la utilización combinada de un proceso de descubrimiento de grupos (clustering) y uno de inducción de reglas. Dada la variedad de algoritmos de clustering e inducción de reglas disponibles en la actualidad, es de interés poder conocer a priori qué pareja de algoritmos es más conveniente para un set de datos, en a base sus características. En este artículo se propone un diseño experimental que permita validar el rendimiento de los algoritmos, en base a métricas internas, para distintos tipos de sets de datos, con características específicas, de forma tal que permita vincular dichas características con la pareja de algoritmos que mejor rendimiento ofrece. En adición, se presentan resultados preliminares obtenidos.XV Workshop Bases de Datos y Minería de Datos (WBDDM)Red de Universidades con Carreras en Informática (RedUNCI)2018-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf501-510http://sedici.unlp.edu.ar/handle/10915/73239spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-658-472-6info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:12:21Zoai:sedici.unlp.edu.ar:10915/73239Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:12:22.097SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
title Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
spellingShingle Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
Ciciliani, Gabriel
Ciencias Informáticas
Minería de Datos
inducción de reglas
descubrimiento de reglas de pertenencia a grupos
estudio de algoritmos
clustering
title_short Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
title_full Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
title_fullStr Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
title_full_unstemmed Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
title_sort Análisis preliminar del rendimiento de algoritmos para el procesos de descubrimiento de reglas de pertenencia a grupos
dc.creator.none.fl_str_mv Ciciliani, Gabriel
Martins, Sebastián
Merlino, Hernán
author Ciciliani, Gabriel
author_facet Ciciliani, Gabriel
Martins, Sebastián
Merlino, Hernán
author_role author
author2 Martins, Sebastián
Merlino, Hernán
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de Datos
inducción de reglas
descubrimiento de reglas de pertenencia a grupos
estudio de algoritmos
clustering
topic Ciencias Informáticas
Minería de Datos
inducción de reglas
descubrimiento de reglas de pertenencia a grupos
estudio de algoritmos
clustering
dc.description.none.fl_txt_mv En el campo de la explotación de información, el proceso de descubrimiento de reglas de pertenencia a grupos se caracteriza por la utilización combinada de un proceso de descubrimiento de grupos (clustering) y uno de inducción de reglas. Dada la variedad de algoritmos de clustering e inducción de reglas disponibles en la actualidad, es de interés poder conocer a priori qué pareja de algoritmos es más conveniente para un set de datos, en a base sus características. En este artículo se propone un diseño experimental que permita validar el rendimiento de los algoritmos, en base a métricas internas, para distintos tipos de sets de datos, con características específicas, de forma tal que permita vincular dichas características con la pareja de algoritmos que mejor rendimiento ofrece. En adición, se presentan resultados preliminares obtenidos.
XV Workshop Bases de Datos y Minería de Datos (WBDDM)
Red de Universidades con Carreras en Informática (RedUNCI)
description En el campo de la explotación de información, el proceso de descubrimiento de reglas de pertenencia a grupos se caracteriza por la utilización combinada de un proceso de descubrimiento de grupos (clustering) y uno de inducción de reglas. Dada la variedad de algoritmos de clustering e inducción de reglas disponibles en la actualidad, es de interés poder conocer a priori qué pareja de algoritmos es más conveniente para un set de datos, en a base sus características. En este artículo se propone un diseño experimental que permita validar el rendimiento de los algoritmos, en base a métricas internas, para distintos tipos de sets de datos, con características específicas, de forma tal que permita vincular dichas características con la pareja de algoritmos que mejor rendimiento ofrece. En adición, se presentan resultados preliminares obtenidos.
publishDate 2018
dc.date.none.fl_str_mv 2018-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/73239
url http://sedici.unlp.edu.ar/handle/10915/73239
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-658-472-6
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
501-510
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615993751502848
score 13.070432