Coordinación de Estudios de Posgrado - CBI

Permanent URI for this communityhttps://hdl.handle.net/11191/6729

Ir a página principal de la Coordinación

Aquí se encuentran depositadas en texto completo, las tesis de posgrado emanadas de los diferentes posgrados de la División de Ciencias Básicas e Ingeniería de la UAM Azcapotzalco. Están clasificadas por tipo de posgrado y grado académico. Para buscar alguna tesis en especial, puedes usar el motor de búsqueda por palabras, o bien, puedes usar la opción de listar por Fecha de publicación; Autores; Títulos o Materias que se encuentran en la parte superior de esta página.

Browse

Search Results

Now showing 1 - 1 of 1
  • Metodología para la comparación de algoritmos de aprendizaje automático. Caso de estudio: clasificación de eventos académicos
    (Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información., 2019-08) Gutiérrez Rosales, Ariadna
    En este trabajo de investigación se presenta una metodología para la comparación de algoritmos de aprendizaje automático que consta de cuatro etapas: Recopilación e integración del conjunto de datos de entrada; Procesamiento y transformación de los datos al modelo espacio vectorial; Selección e implementación de los algoritmos de aprendizaje automático; Evaluación y comparación de los resultados obtenidos; Se comparan cuatro algoritmos de aprendizaje supervisado: Narve Bayes, k-vecinos más cercanos, C4.5 y Máquinas de soporte vectorial. La metodología que se propone en este trabajo de investigación considera como caso de estudio a la clasificación de eventos académicos. Se tienen cuatro categorías distintas: eventos de difusión, cursos académicos y de actualización, asesorías académicas a alumnos y eventos ambientales. Los eventos se obtienen a partir de la lectura de sensores que mantienen el registro de los eventos en bitácoras. Estos eventos se caracterizan y se procesan para ser utilizados por los clasificadores. Se tienen tres tipos de características de un evento, que son: características nominales, textuales y numéricas. Dada la naturaleza de los algoritmos empleados en este trabajo de investigación, se requiere de una etapa de entrenamiento, que, a partir de un conjunto de 362 eventos académicos, se eligen aleatoriamente un 70% de ellos para el entrenamiento de los algoritmos y un 30% restante para las pruebas. Se consideraron 24 experimentos durante la etapa de pruebas en las que se analizan y se comparan los resultados obtenidos por los clasificadores. Las medidas de evaluación que se utilizan para elegir al mejor algoritmo de aprendizaje automático son la precisión y cobertura y la medida F1, sin embargo, el criterio de selección es la medida F1 ya que es un promedio de la precisión y la cobertura. De los resultados obtenidos en la experimentación, se puede observar que C4.5 es el algoritmo con mejores resultados de clasificación de eventos; gracias a que es un algoritmo basado en árboles de decisión y las bondades que ofrece al trabajar con características combinadas.