Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible

Autores
Carreño, Emiliano; Leguizamón, Guillermo; Wagner, Neal
Año de publicación
2007
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Este trabajo, el cual se encuentra dentro del contexto de la minería de datos, propone un método para construir clasificadores basado en la evolución de reglas. El método, denominado REC (Rule Evolution for Classifiers), tiene tres características principales: 1) aplica programación genética (PG) para llevar a cabo una búsqueda en el espacio de potenciales soluciones, 2) un procedimiento permite sesgar la búsqueda hacia regiones de hipótesis comprensibles con alta calidad predictiva, 3) incluye una estrategia para la selección de un subconjunto óptimo de reglas (clasificador), a partir de las reglas obtenidas como resultado del proceso evolutivo. Se lleva a cabo un estudio comparativo entre este método y el algoritmo de inducción de reglas C5.0, para dos problemas de aplicación (conjuntos de datos). Los resultados experimentales muestran las ventajas de usar el método propuesto.
Eje: Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
Evolución
Intelligent agents
reglas de clasificación
descubrimiento
conocimiento comprensible
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/20304
Acceder
id SEDICI_86c08f11171837c5fd146e5797eb9377
oai_identifier_str oai:sedici.unlp.edu.ar:10915/20304
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensibleCarreño, EmilianoLeguizamón, GuillermoWagner, NealCiencias InformáticasEvoluciónIntelligent agentsreglas de clasificacióndescubrimientoconocimiento comprensibleEste trabajo, el cual se encuentra dentro del contexto de la minería de datos, propone un método para construir clasificadores basado en la evolución de reglas. El método, denominado REC (Rule Evolution for Classifiers), tiene tres características principales: 1) aplica programación genética (PG) para llevar a cabo una búsqueda en el espacio de potenciales soluciones, 2) un procedimiento permite sesgar la búsqueda hacia regiones de hipótesis comprensibles con alta calidad predictiva, 3) incluye una estrategia para la selección de un subconjunto óptimo de reglas (clasificador), a partir de las reglas obtenidas como resultado del proceso evolutivo. Se lleva a cabo un estudio comparativo entre este método y el algoritmo de inducción de reglas C5.0, para dos problemas de aplicación (conjuntos de datos). Los resultados experimentales muestran las ventajas de usar el método propuesto.Eje: Agentes y Sistemas InteligentesRed de Universidades con Carreras en Informática (RedUNCI)2007-05info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf77-81http://sedici.unlp.edu.ar/handle/10915/20304spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-763-075-0info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:54:11Zoai:sedici.unlp.edu.ar:10915/20304Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:54:11.305SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
title Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
spellingShingle Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
Carreño, Emiliano
Ciencias Informáticas
Evolución
Intelligent agents
reglas de clasificación
descubrimiento
conocimiento comprensible
title_short Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
title_full Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
title_fullStr Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
title_full_unstemmed Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
title_sort Evolución de reglas de clasificación para el descubrimiento de conocimiento comprensible
dc.creator.none.fl_str_mv Carreño, Emiliano
Leguizamón, Guillermo
Wagner, Neal
author Carreño, Emiliano
author_facet Carreño, Emiliano
Leguizamón, Guillermo
Wagner, Neal
author_role author
author2 Leguizamón, Guillermo
Wagner, Neal
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Evolución
Intelligent agents
reglas de clasificación
descubrimiento
conocimiento comprensible
topic Ciencias Informáticas
Evolución
Intelligent agents
reglas de clasificación
descubrimiento
conocimiento comprensible
dc.description.none.fl_txt_mv Este trabajo, el cual se encuentra dentro del contexto de la minería de datos, propone un método para construir clasificadores basado en la evolución de reglas. El método, denominado REC (Rule Evolution for Classifiers), tiene tres características principales: 1) aplica programación genética (PG) para llevar a cabo una búsqueda en el espacio de potenciales soluciones, 2) un procedimiento permite sesgar la búsqueda hacia regiones de hipótesis comprensibles con alta calidad predictiva, 3) incluye una estrategia para la selección de un subconjunto óptimo de reglas (clasificador), a partir de las reglas obtenidas como resultado del proceso evolutivo. Se lleva a cabo un estudio comparativo entre este método y el algoritmo de inducción de reglas C5.0, para dos problemas de aplicación (conjuntos de datos). Los resultados experimentales muestran las ventajas de usar el método propuesto.
Eje: Agentes y Sistemas Inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)
description Este trabajo, el cual se encuentra dentro del contexto de la minería de datos, propone un método para construir clasificadores basado en la evolución de reglas. El método, denominado REC (Rule Evolution for Classifiers), tiene tres características principales: 1) aplica programación genética (PG) para llevar a cabo una búsqueda en el espacio de potenciales soluciones, 2) un procedimiento permite sesgar la búsqueda hacia regiones de hipótesis comprensibles con alta calidad predictiva, 3) incluye una estrategia para la selección de un subconjunto óptimo de reglas (clasificador), a partir de las reglas obtenidas como resultado del proceso evolutivo. Se lleva a cabo un estudio comparativo entre este método y el algoritmo de inducción de reglas C5.0, para dos problemas de aplicación (conjuntos de datos). Los resultados experimentales muestran las ventajas de usar el método propuesto.
publishDate 2007
dc.date.none.fl_str_mv 2007-05
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/10915/20304
url http://sedici.unlp.edu.ar/handle/10915/20304
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-763-075-0
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
77-81
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_ 1844615798689103872
score 13.070432

Publicaciones similares