Estudio experimental de sistemas de aprendizaje automático a partir de ejemplos

Abstract

En esta memoria se abordan los problemas que surgen con la experimentación en aprendizaje automático desde dos puntos de vista. El primero, es el del usuario del aprendizaje automático que dispone de algunas indicaciones sobre cómo resolver un problema que le resulta próximo; entonces debe indagar entre los diversos algoritmos cuál es el que proporcionará unos mejores resultados. El segundo, es el del diseñador de sistemas o de herramientas de aprendizaje automático, en estos casos se desea contrastar la calidad de una aportación con respecto a las otras herramientas disponibles. Utilizando mapas auto-organizados de kohonen se lleva a cabo un estudio sistemático tanto de los problemas de aprendizaje más utilizados en la literatura como de los algoritmos más representativos. Se muestran las relaciones de similitud entre estos elementos, se ve que la interacción entre sistemas de aprendizaje y problemas de aprendizaje, la dificultad o facilidad para su resolución, deja caracterizar tanto a unos como a otros proporcionando así un mejor diseño experimental. Con estas herramientas, se presentan dos tipos de listas de conjuntos de entrenamiento, más adecuadas y ajustadas a los intereses de la propia experimentación, que cubran todos o alguno de los aspectos en los que se desee realizar pruebas experimentales. En primer tipo, son grupos de conjuntos de entrenamiento que tienen en cuenta el atributo predominante, los cuales se han llamado de propósito particular. El otro tipo de listas, son dos grupos de conjuntos de entrenamiento con las que se podrá estimar, de manera experimental, el comportamiento de los algoritmos sobre todo tipo de conjuntos de entrenamiento, los cuales se han denominado grupos de conjuntos para hacer experimentación de propósito general. Para la selección de conjuntos de cada tipo de listas se han tenido en cuenta los conjuntos de Holte, por ser conjuntos muy ampliamente utilizados.