Estudio empírico del enfoque asociativo en el contexto de los problemas de clasificación

Abstract

. Investigaciones realizadas por la comunidad cient´ıfica han evidenciado que el rendimiento de los clasificadores, no solamente depende de la regla de aprendizaje, sino tambien de las complejidades inher- ´ entes en los conjuntos de datos. Algunos clasificadores se han utilizado habitualmente en el contexto de los problemas de clasificacion (tres Redes neuronales, ´ C4.5, SVM, entre otros). No obstante, el enfoque asociativo se ha explorado mas en en el ´ ambito ´ de recuperacion, que en la tarea de clasificaci ´ on, y ´ su rendimiento se ha analizado escasamente cuando se presentan varias complejidades en los datos. La presente investigacion analiza el rendimiento del ´ enfoque asociativo (CHA, CHAT y Alfa Beta original) cuando se presentan tres problemas de clasificacion´ (desequilibrio de las clases, solapamiento y patrones at´ıpicos). Los resultados evidencian que el CHAT reconoce mejor la clase minoritaria en comparacion con el resto de los clasificadores en el contexto del desequilibrio de las clases. Sin embargo, el modelo CHA ignora la clase minoritaria en la mayor´ıa de los casos. Ademas, el modelo ´ CHAT exhibe la necesidad de requerir de fronteras de decision bien definidas ´ cuando se aplica el metodo de ´ Wilson, ya que su rendimiento se incrementa. Tambien, se not ´ o que ´ cuando se enfatiza un equilibrio entre las tasas, el rendimiento de tres clasificadores incrementa (CHAT, RB y RFBR). El modelo Alfa beta original sigue mostrando un desempeno pobre cuando se realiza el ˜ pre-procesamiento en los datos. El rendimiento de los clasificadores incrementa significativamente al aplicarse el metodo ´ SMOTE, situacion que no se presenta sin un ´ pre-procesamiento o submuestreo, en el contexto del desequilibrio de las clases.