Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada

En la Estadística del siglo XXI se ha vuelto más común la exploración y el análisis de datos masivos, los cuales requieren métodos computacionales de aprendizaje supervisado y no- supervisado. En los investigadores que desconocen conceptos computacionales y de algoritmos, una de sus preocupaciones c...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Borda-Casallas, Ximena A., Grajales, Luis F.
Formato: video
Lenguaje:Español
Publicado: 2020
Materias:
Support vector machine
Machine learning
Perceptrón
Acceso en línea:http://hdl.handle.net/11086/16942
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R14111086-16942
record_format dspace
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Support vector machine
Machine learning
Perceptrón
spellingShingle Support vector machine
Machine learning
Perceptrón
Borda-Casallas, Ximena A.
Grajales, Luis F.
Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
topic_facet Support vector machine
Machine learning
Perceptrón
description En la Estadística del siglo XXI se ha vuelto más común la exploración y el análisis de datos masivos, los cuales requieren métodos computacionales de aprendizaje supervisado y no- supervisado. En los investigadores que desconocen conceptos computacionales y de algoritmos, una de sus preocupaciones con respecto a todos estos métodos es el asunto de la caja negra (blackbox) en términos de que no hay claridad estadística o matemática en el funcionamiento ó en lo resultados de estos métodos computacionales. Tres de los objetivos de este trabajo son: i) profundizar en aspectos matemáticos internos del método supervisado Support Vector Machine (SVM), método cuya idea inicial es definir una frontera entre dos clases mediante la separación máxima de los puntos más cercanos; ii) explorar la red neuronal perceptron en dos dimensiones para decidir si un problema es linealmente separable (PLS) ó no lo es; y iii) comparar el desempeño de SVM frente a otros 4 métodos de clasificación en datos reales, usando validación cruzada. Estudiamos cuatro problemas ó bases de datos; dos de ellos linealmente separabes y los otros dos no, de acuerdo con perceptrón. Utilizando validación cruzada, comparamos cinco métodos de Clasificación: SVM, Regresión logística, árboles de decisión, K-Nearest Neighbors (KNN) y Gaussian Naive Bayes (GNB). Su comparación se basó teniendo en cuenta el equilibrio entre la sensibilidad y la especificidad de cada método. Algunos resultados indican que los métodos SVM y Regresión logística tuvieron mejor desempeño. También, el uso de la herramienta perceptron dejó resultados promisorios.
format video
author Borda-Casallas, Ximena A.
Grajales, Luis F.
author_facet Borda-Casallas, Ximena A.
Grajales, Luis F.
author_sort Borda-Casallas, Ximena A.
title Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
title_short Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
title_full Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
title_fullStr Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
title_full_unstemmed Support Vector Machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
title_sort support vector machine y uso del método perceptrón para problemas linealmente separables: aplicación en métodos de clasificación, usando validación cruzada
publishDate 2020
url http://hdl.handle.net/11086/16942
work_keys_str_mv AT bordacasallasximenaa supportvectormachineyusodelmetodoperceptronparaproblemaslinealmenteseparablesaplicacionenmetodosdeclasificacionusandovalidacioncruzada
AT grajalesluisf supportvectormachineyusodelmetodoperceptronparaproblemaslinealmenteseparablesaplicacionenmetodosdeclasificacionusandovalidacioncruzada
bdutipo_str Repositorios
_version_ 1764820393763274753

Ejemplares similares