Arboles De Decision

En la actualidad no se ha evaluado algún método clasificador con claves taxonómicas de mixomicetos en la familia de las cribarías, esto debido a la poca difusión del estudio de estas especies, lo más cercano a esta labor seria una aplicación existentes donde se identifican las diferentes especies con un método manual, donde el investigador observa las características y de una lista elige la opción más cercana.

Anteriormente se han evaluado algunos clasificadores como redes bayesianas, redes neuronales y metaclasificadores, con bancos de datos de enfermedades, procesos o materiales de construcción, donde se da cierta ventaja a las redes bayesianas, y en otros casos los metaclasificadores, a demás en esta evaluación se están considerando 55 salidas, que son el número de especies de la familia de las cribarías, se evaluara el rendimiento, la efectividad medida en porcentajes de aciertos y la facilidad para la interpretación de resultados.

Con respecto a la evaluación se han publicado artículos donde se evalúan diferentes clasificadores, en una publicación donde se evalúa la efectividad de predicción y clasificación en acabado superficial [5] donde después de evaluar los resultados entre las redes bayesianas y las redes neuronales utilizando un perceptrón multicapa menciona que se obtuvieron buenos resultados con los dos métodos clasificadores pero da un punto a favor a las redes bayesianas por su fácil interpretación, el método utilizado en este estudio trata de la evaluación de la misma prueba lo cual permite tener ejemplos pares lo cual permite hacer del método de comparación un esquema interesantes. Los resultados obtenidos favorecen en porcentaje en algunos factores a la redes bayesianas mientras que solo es en un factor los resultados son similares, como se menciono anteriormente las redes neuronales son de difícil interpretación esto debió a que trabajan con un modelo de caja negra.

En otro caso de estudio se observo el comportamiento de las redes bayesianas y las redes neuronales con respecto a la identificación de calidad en un proceso mecanizado, el cual aseguro obtener un mejor resultados e interpretación con las redes bayesianas [7] la diferencia es que en este caso se utilizaron datos diferentes para su evaluación el método se llama validación cruzada, con respecto a los resultados se demostró que no es significativa la diferencia, sin embargo se considera que es más fácil la interpretación de las redes bayesianas, esta forma de evaluar a pesar que tiene una variación importante es su metodología se obtienen resultados similares que con el método de ejemplos en pares.

En los dos casos anteriores se completo la investigación, sin embargo, sería interesante comparar esos resultados con los de un metaclasificador, como se evalúa en el estudio para el pronóstico de supervivencia de infarto, donde se evalúan a 14 métodos

...