Diseño de un nuevo clasificador supervisado para minería de datos

Resumen

Este capítulo se presenta como un estudio comparativo entre una gran variedad de clasificadores utilizados en la minería de datos. Hay diversos métodos aplicados por los distintos clasificadores, no obstante, en este trabajo se puede ver como ninguno de ellos ofrece un buen resultado con un número muy limitado de clases. El objetivo consiste en constatar que actualmente no existe ningún modelo que permita la clasificación de cualquier conjunto de muestras dado, y que simultáneamente obtenga unos resultados satisfactorios. Al mismo tiempo se ha propuesto un nuevo modelo de clasificación que mejora algunos resultados al compararlos con los mejores resultados ofrecidos por los demás clasificadores, y aunque dista de ser un clasificador generalizado, se plantea la combinación de clasificadores como una técnica prometedora dentro de la tendencia actual. asimismo en la preparación de los daos, con la finalidad de definir una óptima estrategia de prueba, se han utilizado tanto el algoritmo de estratificación, con el fin de heterogeneizar los conjuntos de datos, como las técnicas de validación cruzada cross-validation, para dividir dichos datos. Con estas técnicas se pretende mejorar los resultados obtenidos por los tres métodos de clasificación clásicos. Agrupamiento borroso, Bayes y Vecinos más cercanos (nearest-neighbours).