Aplicación del principio inductivo de Mevr en la construcción de clasificadores

Abstract

El objetivo general de esta tesis ha sido el estudio y obtención de calsificadores con niveles aceptables de eficiencia y exactitud mediante la utilización de algún nuevo principio inductivo de manera que sean capaces de tratar con grandes volúmenes de datos de forma eficiente, sean tolerantes a atributos ruidosos o inconsistentes y capaces de trabajar con atributos discretos y continuos, Para ello se han utilizado dos principios avanzados: el principio inductivo de Minimización Estructural Vectorial del Riesgo MEVR y el enfoque bayesiano. El principio de MEVR se ha aplicado a diferentes tareas: A,- a la definición de un nuevo algoritmo de discretización, llamado Discretización Estructural, que será usado por los algoritmos de aprendizaje que requieran de una previa discretización de las variables continuas. B,- a la definición de un algoritmo de clasificación basado en redes bayesianas. En concreto se aplica en la construcción de la estructura del clasificador. Se trata del algoritmo que hemos llamado Simple Generalizado Estructurado SGE. C,- a la definición de dos algortimos de selección de atributos aplicables especialmente a clasificadores poco tolerantes a atributos supérfluos, como los basados en instancias. En concreto se trata de un algoritmo de selección hacia delante, el algoritmo de Inclusión Acotada (IA) y otros de selección hacia atrás: el algoritmo de Poda Acotada. Asimismo se aplica la Estadística Bayesiana como alternativa a la clásica para: A,- Mejorar los resultados obtenidos con el algoritmo SGE, memdiante el uso de un factor bayesiano de suavizado para la definición de los parámetros de la red, obteniéndose el llamado algoritmo Simple Generalizado Estructurado Suavizado (SGES). B,- Definir un nuevo algoritmo basado en instancias llamado Bayesiano Transductivo (BT). La aplicación del algoritmo de IA a la selección de atributos junto con este algoritmo nos lleva a definir el