Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada

Peluffo-Ordóñez, Diego H.; Rodríguez-Sotelo, José L.; Castellanos-Domínguez, Germán

dc.creator	Peluffo-Ordóñez, Diego H.
dc.creator	Rodríguez-Sotelo, José L.
dc.creator	Castellanos-Domínguez, Germán
dc.date	2009-12-20
dc.date.accessioned	2021-03-18T21:04:10Z
dc.date.available	2021-03-18T21:04:10Z
dc.identifier	https://revistas.itm.edu.co/index.php/tecnologicas/article/view/239
dc.identifier	10.22430/22565337.239
dc.identifier.uri	http://test.repositoriodigital.com:8080/handle/123456789/11481
dc.description	In this work, a comparative study of feature selection methods for supervised and unsupervised inference obtained from classical PCA is presented. We deduce an expression for the cost function of PCA based on the mean square error of data and its orthonormal projection, and then this concept is extended to obtain an expression for general WPCA. Additionally, we study the supervised and unsupervised Q – α algorithm and its relation with PCA. At the end, we present results employing two data sets: A low-dimensional data set to analyze the effects of orthonormal rotation, and a highdimensional data set to assess the classification performance. The feature selection methods were assessed taking into account the number of relevant features, computational cost and classification performance. The classification was carried out using a partitional clustering algorithm.	en-US
dc.description	En este trabajo se presenta un estudio comparativo de algunos métodos de selección de características de inferencia supervisada y no supervisada derivados del algoritmo PCA clásico. Se deduce una función objetivo de PCA a partir del error cuadrático medio de los datos y su proyección sobre una base ortonormal, y se extiende este concepto para derivar una expresión asociada al algoritmo fundamental de WPCA. Adicionalmente, se estudian los algoritmos Q - α supervisado y no supervisado y se explica su relación con PCA. Se presentan resultados empleando dos conjuntos de datos: Uno de baja dimensión para estudiar los efectos de la rotación ortogonal y la dirección de los componentes principales y otro de alta dimensión para evaluar los resultados de clasificación. Los métodos de selección de características fueron evaluados teniendo en cuenta la cantidad de características relevantes obtenidas, costo computacional y resultados de clasificación. La clasificación se realizó con un algoritmo particional de agrupamiento no supervisado.	es-ES
dc.format	application/pdf
dc.language	spa
dc.publisher	Instituto Tecnológico Metropolitano (ITM)	en-US
dc.relation	https://revistas.itm.edu.co/index.php/tecnologicas/article/view/239/245
dc.rights	Copyright (c) 2017 Tecno Lógicas	en-US
dc.source	TecnoLógicas; Num. 23 (2009); 149-166	en-US
dc.source	TecnoLógicas; Num. 23 (2009); 149-166	es-ES
dc.source	2256-5337
dc.source	0123-7799
dc.subject	Feature selection	en-US
dc.subject	orthonormal projection	en-US
dc.subject	PCA	en-US
dc.subject	WPCA.	en-US
dc.subject	Proyección ortonormal	es-ES
dc.subject	PCA	es-ES
dc.subject	selección de características	es-ES
dc.subject	WPCA	es-ES
dc.title	Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada	en-US
dc.title	Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada	es-ES
dc.type	info:eu-repo/semantics/article
dc.type	info:eu-repo/semantics/publishedVersion
dc.type	Articles	en-US
dc.type	Artículos	es-ES

Ficheros en el ítem

Ficheros	Tamaño	Formato	Ver
No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

tecnologia [520]

Mostrar el registro sencillo del ítem