Algoritmo para el aprendizaje de reglas de clasificación basado en la teoría de los conjuntos aproximados extendida

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.

• Autores: Caballero Mota, Yaile; Filiberto Cabrera, Yaima; Bello Pérez, Rafael; Frías, Mabel
• Tipo de recurso: Article of journal
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/33246
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/33246; http://bdigital.unal.edu.co/23326/
• Palabra clave: reglas de clasificación; relaciones de similaridad; Teoría de los conjuntos aproximados
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional