ANÁLISIS DEL COMPORTAMIENTO DEL ALGORITMO SVM PARA DIFERENTES KERNEL EN AMBIENTES CONTROLADOS

Detalhes bibliográficos
Autor(a) principal: López Cabrera, José Daniel
Data de Publicação: 2018
Outros Autores: Pereira-Toledo, Alain
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

Registros relacionados