Obtención de patrones en forma de predicados difusos con un enfoque multiobjetivo: dos variantes
FuzzyPred es un algoritmo de aprendizaje no supervisado que permite obtener patrones representados como predicados difusos en forma normal a partir de los datos. Este método se utiliza para resolver una tarea descriptiva donde no se conoce a ciencia cierta qué tipo de relaciones se van a encontrar....
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
2019
|
| Subjects: | |
| Online Access: | https://dialnet.unirioja.es/servlet/oaiart?codigo=9513872 |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | FuzzyPred es un algoritmo de aprendizaje no supervisado que permite obtener patrones representados como predicados difusos en forma normal a partir de los datos. Este método se utiliza para resolver una tarea descriptiva donde no se conoce a ciencia cierta qué tipo de relaciones se van a encontrar. Se trata de encontrar patrones que describan los datos y sus relaciones. Debido al gran conjunto de soluciones o espacio de búsqueda que puede tener, fue modelado como un problema de optimización, donde se aplican las metaheurísticas como vía de solución para encontrar buenas soluciones. FuzzyPred brinda como resultado un conjunto de predicados, evaluados en cada una de las medidas de calidad, aunque solo optimiza una de estas medidas. Este trabajo analiza vías para enfocar FuzzyPred como un problema de optimización multiobjetivo. Por esto, se introducen en el problema dos de las técnicas principales de optimización multiobjetivo: la técnica basada en Pareto (o multiobjetivo puro) y la de los factores ponderados. Se realiza un estudio experimental comparativo entre ambas técnicas en este problema para conocer la eficacia de estas técnicas. Los resultados en varias bases de datos internacionales demuestran que se obtienen mejores resultados con la técnica multiobjetivo puro. |
|---|