ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | spa |
Título da fonte: | Holos |
Texto Completo: | http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/5563 |
Resumo: | En el presente trabajo se realiza una investigación del comportamiento de la técnica de aprendizaje automático SVM en diferentes ambientes controlados, usando cinco kernel. Primero se analiza el comportamiento de los clasificadores ante datos con valores perdidos. Luego se prueban en ambientes con valores ruidosos. La última tarea es el análisis de su comportamiento una vez que se adicionan atributos irrelevantes. Para validar los resultados se realizan pruebas estadísticas no paramétricas. Se encontró que la técnica SVM es muy robusta ante los tres ambientes antes mencionados y el kernel polinómico arrojó los mejores resultados de clasificación. |
id |
IFRN-3_bd6640eacd6397543259fd3d38d5bba4 |
---|---|
oai_identifier_str |
oai:holos.ifrn.edu.br:article/5563 |
network_acronym_str |
IFRN-3 |
network_name_str |
Holos |
repository_id_str |
|
spelling |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOSaprendizaje automáticoSVMkernelestudio experimentalEn el presente trabajo se realiza una investigación del comportamiento de la técnica de aprendizaje automático SVM en diferentes ambientes controlados, usando cinco kernel. Primero se analiza el comportamiento de los clasificadores ante datos con valores perdidos. Luego se prueban en ambientes con valores ruidosos. La última tarea es el análisis de su comportamiento una vez que se adicionan atributos irrelevantes. Para validar los resultados se realizan pruebas estadísticas no paramétricas. Se encontró que la técnica SVM es muy robusta ante los tres ambientes antes mencionados y el kernel polinómico arrojó los mejores resultados de clasificación.Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte2018-11-14info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/556310.15628/holos.2018.5563HOLOS; v. 5 (2018); 101-1151807-1600reponame:Holosinstname:Instituto Federal do Rio Grande do Norte (IFRN)instacron:IFRNspahttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/5563/pdfCopyright (c) 2018 HOLOSinfo:eu-repo/semantics/openAccessLópez Cabrera, José DanielPereira-Toledo, Alain2022-05-01T19:30:51Zoai:holos.ifrn.edu.br:article/5563Revistahttp://www2.ifrn.edu.br/ojs/index.php/HOLOSPUBhttp://www2.ifrn.edu.br/ojs/index.php/HOLOS/oaiholos@ifrn.edu.br||jyp.leite@ifrn.edu.br||propi@ifrn.edu.br1807-16001518-1634opendoar:2022-05-01T19:30:51Holos - Instituto Federal do Rio Grande do Norte (IFRN)false |
dc.title.none.fl_str_mv |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
title |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
spellingShingle |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS López Cabrera, José Daniel aprendizaje automático SVM kernel estudio experimental |
title_short |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
title_full |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
title_fullStr |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
title_full_unstemmed |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
title_sort |
ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS |
author |
López Cabrera, José Daniel |
author_facet |
López Cabrera, José Daniel Pereira-Toledo, Alain |
author_role |
author |
author2 |
Pereira-Toledo, Alain |
author2_role |
author |
dc.contributor.author.fl_str_mv |
López Cabrera, José Daniel Pereira-Toledo, Alain |
dc.subject.por.fl_str_mv |
aprendizaje automático SVM kernel estudio experimental |
topic |
aprendizaje automático SVM kernel estudio experimental |
description |
En el presente trabajo se realiza una investigación del comportamiento de la técnica de aprendizaje automático SVM en diferentes ambientes controlados, usando cinco kernel. Primero se analiza el comportamiento de los clasificadores ante datos con valores perdidos. Luego se prueban en ambientes con valores ruidosos. La última tarea es el análisis de su comportamiento una vez que se adicionan atributos irrelevantes. Para validar los resultados se realizan pruebas estadísticas no paramétricas. Se encontró que la técnica SVM es muy robusta ante los tres ambientes antes mencionados y el kernel polinómico arrojó los mejores resultados de clasificación. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-11-14 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/5563 10.15628/holos.2018.5563 |
url |
http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/5563 |
identifier_str_mv |
10.15628/holos.2018.5563 |
dc.language.iso.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
http://www2.ifrn.edu.br/ojs/index.php/HOLOS/article/view/5563/pdf |
dc.rights.driver.fl_str_mv |
Copyright (c) 2018 HOLOS info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Copyright (c) 2018 HOLOS |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte |
publisher.none.fl_str_mv |
Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte |
dc.source.none.fl_str_mv |
HOLOS; v. 5 (2018); 101-115 1807-1600 reponame:Holos instname:Instituto Federal do Rio Grande do Norte (IFRN) instacron:IFRN |
instname_str |
Instituto Federal do Rio Grande do Norte (IFRN) |
instacron_str |
IFRN |
institution |
IFRN |
reponame_str |
Holos |
collection |
Holos |
repository.name.fl_str_mv |
Holos - Instituto Federal do Rio Grande do Norte (IFRN) |
repository.mail.fl_str_mv |
holos@ifrn.edu.br||jyp.leite@ifrn.edu.br||propi@ifrn.edu.br |
_version_ |
1798951623257489408 |