Región de Murcia
Fundación Séneca
FSE

Aprendizaje máquina para la imputación y clasificación simultánea de patrones con datos incompletos

Fecha de lectura

21/06/2010

Director

José Luis Sancho Gómez y Aníbal R. Figueiras Vidal

Grupo de investigación

Teoría y Tratamientos de Señal

Departamento

Tecnologías de la información y las Comunicaciones

Centro

Escuela Técnica Superior de Ingenieria de Telecomunicación - ETSIT

Organimso

Universidad Politécnica de Cartagena

Ciudad

Cartagena

País

España

Abstract

La clasificación de patrones es una línea de investigación multi-disciplinar aplicada en infinidad de ámbitos científicos. Un inconveniente muy común es la presencia de "datos incompletos". La imputación de datos es la solución más extendida en la práctica; sin embargo, falla en un propósito de vital importancia: se lleva a cabo sin considerar que no sólo se deben imputar los valores que faltan, sino que se debe imputar para conseguir buenas prestaciones en clasificación. Para ello, esta Tesis se ha basado en los conceptos de sesgo inductivo y "hint". Un "hint" proporcina una nueva información en el modelado de una tarea y conlleva la incorporación de un sesgo inductivo, facilitando la optimización de parámetros del modelo.

Siguiendo esta filosofía, se poroponen distintas técnicas de aprendizaje máquina que combinan las tareas imputación y la clasificación, proporcionando una estimación de datos incompletos orientada y dirigida por el aprendizaje de la tarea de decisión.

Visualizar Tesis


Aviso legalPolítica de privacidad