Tecnologías Específicas

Computación

Descripcion y Objetivos

El algoritmo de clasificación Naive Bayes es sin duda uno de los más utilizados debido a su simplicidad, orden de complejidad y los buenos resultados que obtiene en la práctica. Su simplicidad y eficiencia vienen dadas por la hipótesis de independencia condicional a que debe su nombre, naive, y que indica que todas las variables predictoras son mutuamente independientes conocido el valor de la variable clase. Esta hipótesis, que rara vez se cumple en la práctica, no ha evitado que el algoritmo Naive Bayes obtenga habitualmente buenos resultados, lo que en combinación con sus buenas prestaciones computacionales lo convierten en un algoritmo habitual en cualquier comparación relativa a la clasificación supervisada.

En la bibliografía se pueden encontrar distintos enfoques para paliar la hipótesis de independencia condicional exigida por Naive Bayes, con el objetivo de mejorar su rendimiento (precisión) sin dañar en exceso su buena complejidad computacional. Así, al margen de los enfoques que aumentan la complejidad estructural de la red Bayesiana subyacente, podemos encontrar los enfoques noisy-OR que tratan de invertir la dirección de los enlaces y usar la detección de independencias causales para controlar la complejidad estructural, o los modelos basados en construcción de variables mediante productos cartesianos o variables Gaussianas multidimensionales.

En este TFG pretendemos estudiar la construcción de características mediante conectores lógicos entre los valores de las variables y realizar un estudio comparativo con las técnicas anteriormente descritas.

 

 

Metodología y Competencias

Se trabajarán principalmente (en distinto grado) las siguientes competencias específicas de la tecnología de computación:

• Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
• Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas
  inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas
  que utilicen dichas técnicas en cualquier ámbito de aplicación.
• Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una
  forma computable para la resolución de problemas mediante un sistema informático en
  cualquier ámbito de aplicación, particularmente los relacionados con aspectos de
  computación, percepción y actuación en ambientes entornos inteligentes.
• Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e
  implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción
  automática de información y conocimiento a partir de grandes volúmenes de datos.

 

Medios a utilizar

Ordenadores personales, compiladores y entornos de programación. Todo disponible en la ESIIAB.

 

Bibliografía

Libros y manuales de inteligencia artificial y aprendizaje automático. Libros y manuales de lenguajes de programación y librerías específicas de aprendizaje automático. Todo disponible en la ESIIAB y/o en internet.