Desarrollo y evaluación de un algoritmo de ponderación local de características en aprendizaje relacional basado en el prototipo más cercano

De
Publicado por


Este proyecto de fin de carrera se encuadra en el área de la Inteligencia Artificial. La memoria se organiza de la siguiente manera. En el segundo capítulo se presenta el estado de la cuestión, donde se definen los conceptos fundamentales para este proyecto y se describen los algoritmos fundamentales basados en distancias aplicados a dominios relacionales. En el tercer capítulo se presenta el algoritmo LFWRNPC, explicando las decisiones de diseño y las diferencias con otros algoritmos. En el cuarto capítulo se describe el método de experimentación, se muestran los resultados obtenidos y se resumen las conclusiones de éstos. En el quinto capítulo se dan las conclusiones finales sobre el trabajo realizado en el proyecto, y se comentan las posibles líneas de trabajo futuro. Por último en los anexos se adjuntan detalles del proyecto no contemplados en otros capítulos de la memoria.
Ingeniería en Informática
Publicado el : miércoles, 01 de septiembre de 2010
Lectura(s) : 62
Fuente : e-archivo.uc3m.es
Licencia: Más información
Atribución, no uso comercial, sin cambios
Número de páginas: 110
Ver más Ver menos

UNIVERSIDAD CARLOS III DE MADRID
ESCUELA POLITECNICA SUPERIOR
INGENIERIA SUPERIOR EN INFORMATICA
PROYECTO DE FIN DE CARRERA
Desarrollo y evaluaci on de un algoritmo de ponderaci on
local de caracter sticas en aprendizaje relacional
basado en el prototipo mas cercano
Autor: RUBEN SUAREZ DIEZ
Tutor: DR. FERNANDO FERNANDEZ REBOLLO
SEPTIEMBRE 2010T tulo: Desarrollo y evaluaci on de un algoritmo de pon-
deraci on local de caracter sticas en aprendizaje rela-
cional basado en el prototipo m as cercano
Autor: Ruben Su arez D ez
Tutor: Fernando Fern andez Rebollo
La defensa del presente Proyecto Fin de Carrera se realiza el da
,
siendo calicada por el siguiente tribunal:
Presidente
Secretario
Vocal
Habiendo obtenido la siguiente calicacion :
Calificacion
Presidente Secretario VocalAgradecimientos
Querr a agradecer a mi tutor del proyecto, el Dr. Fernando Fern andez, su aten-
ci on y ayuda a lo largo del desarrollo de este trabajo. Tambien me gustar a agradecer
a Roc o Garc a Duran el esfuerzo que dedic o a este proyecto en sus inicios.
Me gustar a agradecer a los amigos y companer~ os que he conocido estos anos~ en
la Universidad los buenos momentos que pase con ellos. Espero mantener su amistad
durante mucho tiempo.
Agradezco a mi familia su carino~ y afecto todos estos anos,~ especialmente a mis
padres. Quiero agradecer a mi madre, Mar a Teresa, todo su esfuerzo a lo largo
de mi vida para que pudiese llegar hasta aqu . Por ultimo me gustar a agradecer a
mi padre, Nemesio, la disposici on para apoyarme que siempre tuvo, bajo cualquier
circunstancia.ivIndice general
1. Introduccion 1
1.1. Motivacion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Objetivos del proyecto . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Organizacion del documento . . . . . . . . . . . . . . . . . . . . . . . 6
2. Estado de la cuestoni 7
2.1. Aprendizaje Automat ico . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1. Aprendizaje Supervisado . . . . . . . . . . . . . . . . . . . . . 8
2.1.2. Algoritmos basados en instancias . . . . . . . . . . . . . . . . 10
K-NN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
K-Medias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
LVQ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. ENPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3. LFW-NPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.1. Ponderacion local de caractersticas . . . . . . . . . . . . . . . 21
2.3.2. C alculo de la distorsion y pesos asociados a cada region . . . . 21
2.4. Aprendizaje Relacional . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.1. Representacion relacional de dominios . . . . . . . . . . . . . 24
2.4.2. Aproximaciones al aprendizaje automatico relacional . . . . . 26
2.4.3. Aproximaciones relacionales basadas en instancias . . . . . . . 27
2.5. RNPC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6. Weka y Relational Weka . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.7. Evaluacion de resultados . . . . . . . . . . . . . . . . . . . . . . . . . 34
vvi INDICE GENERAL
3. LFW-RNPC 37
3.1. Flujo de ejecucion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2. C alculo del medoide . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.3. Medida de distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.1. RIBL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3.2. Distancia LFW-RNPC . . . . . . . . . . . . . . . . . . . . . . 44
3.4. C alculo de distorsion y actualizacion de pesos . . . . . . . . . . . . . 48
3.5. Param etros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4. Experimentacion 51
4.1. Metodo de evaluacion . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2. Con

¡Sé el primero en escribir un comentario!

13/1000 caracteres como máximo.