Propuesta relacionada con las tareas de clasificación del aprendizaje automático

Esta tesis presenta una propuesta relacionada con las tareas de clasificación del aprendizaje automático, La propuesta abarca los distintos niveles necesarios para diseñar e implementar un multiclasificador que posee la habilidad de procesar datos con información imperfecta. La intención es presentar un clasificador que mantenga un alto grado de precisión con datos crisp y que también sea capaz de procesar etiquetas lingüísticas manteniendo un buen rendimiento ante datos missing y diferentes tipos de ruido.

Para lograrlo se han empleado técnicas de soft computing (especialmente la lógica fuzzy) generando algoritmos, métodos y procedimientos que se han conjuntado en una propuesta metodológica que hemos llamado Fuzzy Random Forest. También se han planteado una amplia variedad de métodos de combinación para trabajar con Fuzzy Random Forest.

Fuzzy Random Forest está inspirado en la metodología Random Forest de Breiman, sin embargo los dos elementos principales que lo conforman son: un árbol fuzzy, como clasificador base, en el que se introducen elementos aleatorios y los métodos de combinación que fusionan la información o votos de cada árbol.

Con este planteamiento hemos producido una implementación software FRF v1.0 y hemos podido realizar amplias pruebas experimentales ajustando sus parámetros y comparando los resultados obtenidos con FRF v1.0 y el de los mejores clasificadores y multiclasificadores reportados en la literatura.

Dentro de la gama de algoritmos de aprendizaje automático existentes destacan actualmente dos: Random Forest y XGBoost. Ambos han adquirido gran popularidad. Random Forest es un algoritmo que surgió hace casi veinte años y se utiliza ampliamente por el balance que ofrece entre complejidad y resultados. Por su parte, XGBoost es un algoritmo que ha despertado gran interés, pues aunque es relativamente reciente es considerado actualmente el estado del arte en algoritmos de aprendizaje automático por sus resultados. Uno de los sectores en los que se aplican este tipo de algoritmos es el financiero. Algunos ejemplos de su aplicación en este sector son: segmentación de clientes, detección de fraudes, pronóstico de ventas, autenticación de clientes y análisis de comportamiento de mercados, entre otros. Un área de particular interés en este sector es la identificación de clientes a quienes otorgar una tarjeta de crédito, esto es crítico para las instituciones financieras, pues una selección incorrecta de estos clientes podría derivar en un incremento de su cartera vencida. En el presente estudio se aplicaron los algoritmos Random Forest y XGBoost sobre una base de solicitudes de tarjetas de crédito (donada por un banco australiano para fines de investigación) para identificar las solicitudes con mayor probabilidad de otorgarles una tarjeta. Los modelos obtenidos se compararon estadísticamente (donde se seleccionó el modelo con el algoritmo

...