Este libro presenta una propuesta relacionada con las tareas de clasificaci�n del aprendizaje autom�tico. La propuesta abarca los distintos niveles necesarios para dise�ar e implementar un multiclasificador que posee la habilidad de procesar datos con informaci�n imperfecta. La intenci�n ha sido presentar un clasificador que mantenga un alto grado de precisi�n con datos crisp y que tambi�n sea capaz de procesar datos fuzzy, manteniendo un buen rendimiento ante datos missing y diferentes tipos de ruido. Para ...
Read More
Este libro presenta una propuesta relacionada con las tareas de clasificaci�n del aprendizaje autom�tico. La propuesta abarca los distintos niveles necesarios para dise�ar e implementar un multiclasificador que posee la habilidad de procesar datos con informaci�n imperfecta. La intenci�n ha sido presentar un clasificador que mantenga un alto grado de precisi�n con datos crisp y que tambi�n sea capaz de procesar datos fuzzy, manteniendo un buen rendimiento ante datos missing y diferentes tipos de ruido. Para lograrlo se han empleado t�cnicas de soft computing (especialmente la l�gica fuzzy) generando algoritmos, m�todos y procedimientos que se han conjuntado en una propuesta metodol�gica que hemos llamado Fuzzy Random Forest. Tambi�n se han planteado una amplia variedad de m�todos de combinaci�n para trabajar con Fuzzy Random Forest. Fuzzy Random Forest est� inspirado en la metodolog�a Random Forest de Breiman, sin embargo los dos elementos principales que lo conforman son: un �rbol fuzzy, como clasificador base, en el que se introducen elementos aleatorios y los m�todos de combinaci�n que fusionan la informaci�n o votos de cada �rbol.
Read Less