Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo
En este articulo presentamos un nuevo metodología denominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pitt...
- Autores:
-
Álvarez Macías, José Luis
Mata Vázquez, Jacinto
Riquelme Santos, José Cristóbal
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2002
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/9062
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/9062
- Palabra clave:
- Innovaciones tecnológicas
Ciencia de los computadores
Desarrollo de tecnología
Ingeniería de sistemas
Investigaciones
Tecnologías de la información y las comunicaciones
TIC´s
Technological innovations
Computer science
Technology development
Systems engineering
Investigations
Information and communication technologies
ICT's
Data mining
Supervised learning
Classification
Evolutionary algorithms
Desarrollo tecnológico
Innovaciones tecnológicas
Ciencias de la computación
Tecnologías de la información y la comunicación
Investigación
Minería de datos
Aprendizaje supervisado
Clasificación
Algoritmos evolutivos
- Rights
- License
- Derechos de autor 2002 Revista Colombiana de Computación
id |
UNAB2_efd4793fd8c199999235dd4b71c5bb17 |
---|---|
oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/9062 |
network_acronym_str |
UNAB2 |
network_name_str |
Repositorio UNAB |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
dc.title.translated.eng.fl_str_mv |
Oblique classification rule induction method using an evolutionary algorithm |
title |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
spellingShingle |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo Innovaciones tecnológicas Ciencia de los computadores Desarrollo de tecnología Ingeniería de sistemas Investigaciones Tecnologías de la información y las comunicaciones TIC´s Technological innovations Computer science Technology development Systems engineering Investigations Information and communication technologies ICT's Data mining Supervised learning Classification Evolutionary algorithms Desarrollo tecnológico Innovaciones tecnológicas Ciencias de la computación Tecnologías de la información y la comunicación Investigación Minería de datos Aprendizaje supervisado Clasificación Algoritmos evolutivos |
title_short |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
title_full |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
title_fullStr |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
title_full_unstemmed |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
title_sort |
Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo |
dc.creator.fl_str_mv |
Álvarez Macías, José Luis Mata Vázquez, Jacinto Riquelme Santos, José Cristóbal |
dc.contributor.author.spa.fl_str_mv |
Álvarez Macías, José Luis Mata Vázquez, Jacinto Riquelme Santos, José Cristóbal |
dc.subject.none.fl_str_mv |
Innovaciones tecnológicas Ciencia de los computadores Desarrollo de tecnología Ingeniería de sistemas Investigaciones Tecnologías de la información y las comunicaciones TIC´s |
topic |
Innovaciones tecnológicas Ciencia de los computadores Desarrollo de tecnología Ingeniería de sistemas Investigaciones Tecnologías de la información y las comunicaciones TIC´s Technological innovations Computer science Technology development Systems engineering Investigations Information and communication technologies ICT's Data mining Supervised learning Classification Evolutionary algorithms Desarrollo tecnológico Innovaciones tecnológicas Ciencias de la computación Tecnologías de la información y la comunicación Investigación Minería de datos Aprendizaje supervisado Clasificación Algoritmos evolutivos |
dc.subject.keywords.eng.fl_str_mv |
Technological innovations Computer science Technology development Systems engineering Investigations Information and communication technologies ICT's Data mining Supervised learning Classification Evolutionary algorithms |
dc.subject.lemb.spa.fl_str_mv |
Desarrollo tecnológico Innovaciones tecnológicas Ciencias de la computación Tecnologías de la información y la comunicación Investigación |
dc.subject.proposal.spa.fl_str_mv |
Minería de datos Aprendizaje supervisado Clasificación Algoritmos evolutivos |
description |
En este articulo presentamos un nuevo metodología denominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pittsburgh. Así, cada individuo esta compuesto por un conjunto de reglas de clasificación que dividen el espacio de búsqueda en regiones para cada una de las clases del conjunto de datos. La función de bondad determina la exactitud de cada individuo mediante la exploración de estas regiones. El modelo de clasificación es deducido a partir del mejor individuo obtenido durante el proceso evolutivo. Para analizar los resultados se ofrece una comparativa entre OBLIC, C4.5 y 0C1 sobre un conjunto de bases de datos del UCI Repositorio. |
publishDate |
2002 |
dc.date.issued.none.fl_str_mv |
2002-06-01 |
dc.date.accessioned.none.fl_str_mv |
2020-10-27T00:21:29Z |
dc.date.available.none.fl_str_mv |
2020-10-27T00:21:29Z |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.local.spa.fl_str_mv |
Artículo |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/CJournalArticle |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.issn.none.fl_str_mv |
2539-2115 1657-2831 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/9062 |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga UNAB |
dc.identifier.repourl.none.fl_str_mv |
repourl:https://repository.unab.edu.co |
identifier_str_mv |
2539-2115 1657-2831 instname:Universidad Autónoma de Bucaramanga UNAB repourl:https://repository.unab.edu.co |
url |
http://hdl.handle.net/20.500.12749/9062 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
https://revistas.unab.edu.co/index.php/rcc/article/view/1105/1077 |
dc.relation.uri.none.fl_str_mv |
https://revistas.unab.edu.co/index.php/rcc/article/view/1105 |
dc.relation.references.none.fl_str_mv |
[1) D. Ackley. A Connectionist Machine for Genetic Hillclimbing. Kluver Acad. Pub. 19871 (2) C.L. Blake y C.J Merz. fhttp://www.ics.uci.edu/-fmlearn/MLRepository.htmlI. Irvine, CA: University of California, Department of Information and Computer Science. 1998. Breiman; Friedman; Olshen y Stone. Classification and Regression Trees. Wadsworth International Group. 1984. M.S. Chen; J. Han y P.S. Yu. Data Mining: An Overview from Database perspective. K.A. De Jong. An analysis of the behavoir of a class of genetic adaptive systems. PhD thesis, University of Michigan. 1975 K.A. De Jong. Using Genetic Algorithms for Concepts Learning. Machine Learning, 13 161-188, 1993. L.J. Eshelman y J.D. Schaffer. Real-Coded Genetic Algorithms and Interval Schemata. Foundations of Genetic Algorithms 2. Morgan Kaufmann Pub. 1993. Fayyad; L.J. Eshelman y J.D. Schaffer. Real-Coded Genetic Algorithms and Interval Schemata. Foundations of Genetic Algorithms 2. Morgan Kaufmann Pub. 1993. Fayyad; Fayyad; Piatetsky-Shapiro y Smyth. From Data Mining to Knowledge Discovery: An Overview. Advances in Knowledge Discovery and Data Mining, 1-34, 1996. . D.E. Goldberg Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Pub. Company, inc., 1989. 10) S. Hampson y D. Volper. Linear function neurons: Structure and training. Biological Cybernetics, 53, 203-217, 1986. 111 J.H. Holland. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI. 1975. [ 12) C.Z. Janikov. A Knowleged-Intensive Genetic Algorithm for Supervised Learning. Ma-chine Learning, 13 189-228, 1993. J.R. Koza. Concept Formation and Decision Thee Induction using the Genetic Program-ming Paradimg. Springer-Verlag, 1991. [14) Z. Michalewicz. Genetics Algorithms + Data Structures = Evolution Programs, Third Edition. Springer-Verlag, 1999. M. Mitchell. An Introduction to Genetic Algorithms. MIT Press. 1996. S.K. Murthy; S. Kasif y S. Salzberg. A System for Induction of Obliques Decision Tress. Journal or Artificial Intelligence Research, 2 1-32, 1994. J.R. Quinlan. C4.5: Programs for Machine Learning. Morgan Kaufmann Pub., 1993. J.R. Quinlan. Improved use of continuous attributes in C4.5. Journal of Artificial Intel-ligence Research, vol. 4, pp 77-90. 1996. G. Syswerda. Uniform crossover in Genetic Algorithms. 3th Int. Conference on Genetic Algorithms, 2-9, 1989 P.E. Utgoff y C.E. Brodley. An incremental method for finding multivariate splits for decision trees. 7th International Conference on Machine Learning, 58-65, 1990. T. Van de Merckt. NFDT: A system that learns flexible concepts based on decision trees for numerical attributes. 9th Int. Workshop on Machine Learning, pp. 322-331, 1992. T. Van de Merckt. Decision trees in numerical attribute spaces. 13th International Joint Conference on Artificial Intelligence, pp. 1016-1021, 1993. D. Whitley. A Genetic Algorithm DatoriaL Technical Report CS-93-103. Colorado State University. 1993. A.H. Wright. Genetic Algorithm for Real Parameter Optimization. Morgan Kaufmann Pub., 1991. |
dc.rights.none.fl_str_mv |
Derechos de autor 2002 Revista Colombiana de Computación |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.creativecommons.*.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International |
rights_invalid_str_mv |
Derechos de autor 2002 Revista Colombiana de Computación http://creativecommons.org/licenses/by-nc-sa/4.0/ http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Attribution-NonCommercial-ShareAlike 4.0 International http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
publisher.none.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
dc.source.none.fl_str_mv |
Revista Colombiana de Computación; Vol. 3 Núm. 1 (2002): Revista Colombiana de Computación; 7-20 |
institution |
Universidad Autónoma de Bucaramanga - UNAB |
bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/9062/1/2002_Articulo_M%c3%a9todo%20de%20inducci%c3%b3n%20de%20reglas%20de%20clasificaci%c3%b3n%20oblicuas%20mediante%20un%20algoritmo%20evolutivo.pdf https://repository.unab.edu.co/bitstream/20.500.12749/9062/2/2002_Articulo_M%c3%a9todo%20de%20inducci%c3%b3n%20de%20reglas%20de%20clasificaci%c3%b3n%20oblicuas%20mediante%20un%20algoritmo%20evolutivo.pdf.jpg |
bitstream.checksum.fl_str_mv |
4f3c58d7dc02a96aa6f347155bbb8623 0e83215f1622cbeeb24896289ae5bdea |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
repository.mail.fl_str_mv |
repositorio@unab.edu.co |
_version_ |
1814278373330911232 |
spelling |
Álvarez Macías, José Luis3da31418-2122-4a4d-8e0c-65a786c236ecMata Vázquez, Jacinto00fa48b3-7bcf-4d26-b355-3a18e227f1f7Riquelme Santos, José Cristóbal44ec187b-bf18-4ea7-bed8-4b78202d07502020-10-27T00:21:29Z2020-10-27T00:21:29Z2002-06-012539-21151657-2831http://hdl.handle.net/20.500.12749/9062instname:Universidad Autónoma de Bucaramanga UNABrepourl:https://repository.unab.edu.coEn este articulo presentamos un nuevo metodología denominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pittsburgh. Así, cada individuo esta compuesto por un conjunto de reglas de clasificación que dividen el espacio de búsqueda en regiones para cada una de las clases del conjunto de datos. La función de bondad determina la exactitud de cada individuo mediante la exploración de estas regiones. El modelo de clasificación es deducido a partir del mejor individuo obtenido durante el proceso evolutivo. Para analizar los resultados se ofrece una comparativa entre OBLIC, C4.5 y 0C1 sobre un conjunto de bases de datos del UCI Repositorio.In this article we present a new methodology called OBLIC, for the induction of non-hierarchical oblique classification rules from a set of labeled data. The basis of the method is an evolutionary algorithm with real coding for individuals and based on the Pittsburgh strategy. Thus, each individual is composed of a set of classification rules that divide the search space into regions for each of the classes in the data set. The goodness function determines the correctness of each individual by exploring these regions. The classification model is deduced from the best individual obtained during the evolutionary process. To analyze the results, a comparison between OBLIC, C4.5 and 0C1 is offered on a set of databases from the UCI Repository.application/pdfspaUniversidad Autónoma de Bucaramanga UNABhttps://revistas.unab.edu.co/index.php/rcc/article/view/1105/1077https://revistas.unab.edu.co/index.php/rcc/article/view/1105[1) D. Ackley. A Connectionist Machine for Genetic Hillclimbing. Kluver Acad. Pub. 19871(2) C.L. Blake y C.J Merz. fhttp://www.ics.uci.edu/-fmlearn/MLRepository.htmlI. Irvine, CA: University of California, Department of Information and Computer Science. 1998.Breiman; Friedman; Olshen y Stone. Classification and Regression Trees. Wadsworth International Group. 1984.M.S. Chen; J. Han y P.S. Yu. Data Mining: An Overview from Database perspective.K.A. De Jong. An analysis of the behavoir of a class of genetic adaptive systems. PhD thesis, University of Michigan. 1975K.A. De Jong. Using Genetic Algorithms for Concepts Learning. Machine Learning, 13 161-188, 1993.L.J. Eshelman y J.D. Schaffer. Real-Coded Genetic Algorithms and Interval Schemata. Foundations of Genetic Algorithms 2. Morgan Kaufmann Pub. 1993. Fayyad;L.J. Eshelman y J.D. Schaffer. Real-Coded Genetic Algorithms and Interval Schemata. Foundations of Genetic Algorithms 2. Morgan Kaufmann Pub. 1993. Fayyad;Fayyad; Piatetsky-Shapiro y Smyth. From Data Mining to Knowledge Discovery: An Overview. Advances in Knowledge Discovery and Data Mining, 1-34, 1996.. D.E. Goldberg Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Pub. Company, inc., 1989.10) S. Hampson y D. Volper. Linear function neurons: Structure and training. Biological Cybernetics, 53, 203-217, 1986.111 J.H. Holland. Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI. 1975. [12) C.Z. Janikov. A Knowleged-Intensive Genetic Algorithm for Supervised Learning. Ma-chine Learning, 13 189-228, 1993.J.R. Koza. Concept Formation and Decision Thee Induction using the Genetic Program-ming Paradimg. Springer-Verlag, 1991.[14) Z. Michalewicz. Genetics Algorithms + Data Structures = Evolution Programs, Third Edition. Springer-Verlag, 1999.M. Mitchell. An Introduction to Genetic Algorithms. MIT Press. 1996.S.K. Murthy; S. Kasif y S. Salzberg. A System for Induction of Obliques Decision Tress. Journal or Artificial Intelligence Research, 2 1-32, 1994.J.R. Quinlan. C4.5: Programs for Machine Learning. Morgan Kaufmann Pub., 1993.J.R. Quinlan. Improved use of continuous attributes in C4.5. Journal of Artificial Intel-ligence Research, vol. 4, pp 77-90. 1996.G. Syswerda. Uniform crossover in Genetic Algorithms. 3th Int. Conference on Genetic Algorithms, 2-9, 1989P.E. Utgoff y C.E. Brodley. An incremental method for finding multivariate splits for decision trees. 7th International Conference on Machine Learning, 58-65, 1990.T. Van de Merckt. NFDT: A system that learns flexible concepts based on decision trees for numerical attributes. 9th Int. Workshop on Machine Learning, pp. 322-331, 1992.T. Van de Merckt. Decision trees in numerical attribute spaces. 13th International Joint Conference on Artificial Intelligence, pp. 1016-1021, 1993.D. Whitley. A Genetic Algorithm DatoriaL Technical Report CS-93-103. Colorado State University. 1993. A.H. Wright. Genetic Algorithm for Real Parameter Optimization. Morgan Kaufmann Pub., 1991.Derechos de autor 2002 Revista Colombiana de Computaciónhttp://creativecommons.org/licenses/by-nc-sa/4.0/http://creativecommons.org/licenses/by-nc-nd/2.5/co/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Revista Colombiana de Computación; Vol. 3 Núm. 1 (2002): Revista Colombiana de Computación; 7-20Innovaciones tecnológicasCiencia de los computadoresDesarrollo de tecnologíaIngeniería de sistemasInvestigacionesTecnologías de la información y las comunicacionesTIC´sTechnological innovationsComputer scienceTechnology developmentSystems engineeringInvestigationsInformation and communication technologiesICT'sData miningSupervised learningClassificationEvolutionary algorithmsDesarrollo tecnológicoInnovaciones tecnológicasCiencias de la computaciónTecnologías de la información y la comunicaciónInvestigaciónMinería de datosAprendizaje supervisadoClasificaciónAlgoritmos evolutivosMétodo de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivoOblique classification rule induction method using an evolutionary algorithminfo:eu-repo/semantics/articleArtículohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/redcol/resource_type/CJournalArticleORIGINAL2002_Articulo_Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo.pdf2002_Articulo_Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo.pdfArtículoapplication/pdf608543https://repository.unab.edu.co/bitstream/20.500.12749/9062/1/2002_Articulo_M%c3%a9todo%20de%20inducci%c3%b3n%20de%20reglas%20de%20clasificaci%c3%b3n%20oblicuas%20mediante%20un%20algoritmo%20evolutivo.pdf4f3c58d7dc02a96aa6f347155bbb8623MD51open accessTHUMBNAIL2002_Articulo_Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo.pdf.jpg2002_Articulo_Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo.pdf.jpgIM Thumbnailimage/jpeg8527https://repository.unab.edu.co/bitstream/20.500.12749/9062/2/2002_Articulo_M%c3%a9todo%20de%20inducci%c3%b3n%20de%20reglas%20de%20clasificaci%c3%b3n%20oblicuas%20mediante%20un%20algoritmo%20evolutivo.pdf.jpg0e83215f1622cbeeb24896289ae5bdeaMD52open access20.500.12749/9062oai:repository.unab.edu.co:20.500.12749/90622022-11-25 20:34:10.673open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.co |