Método de inducción de reglas de clasificación oblicuas mediante un algoritmo evolutivo

Abstract

En este artículo presentamos un nuevo método, de nominado OBLIC, para inducción de reglas de clasificación oblicuas no jerárquicas a partir de un conjunto de datos etiquetados. La base del método es un algoritmo evolutivo con codificación real para los individuos y basado en la estrategia de Pittsburg. Así, cada individuo está compuesto por un conjunto de reglas de clasificación que dividen el espacio de búsqueda en regiones para cada una de las clases del conjunto de datos. La función de bondad determina la exactitud de cada individuo mediante la exploración de estas regiones. El modelo de clasificación es deducido a partir del mejor individuo obtenido durante el proceso evolutivo. Para analizar los resultados se ofrece una comparativa entre OBLIC, C4.5 y OC1 sobre un conjunto de bases de datos del UCI Repository.

This paper presents a new method, called OBLIC, to induce no-hierarchical oblique classification rules from a labeled dataset. The coreo f the method is an evolutionary algorithm with real-coded using the Pittsburg approach. Each individual is compound for a set of classification rules. These rules Split the search space into regions for each class of the dataset. The fitness function obtains the accuracy of the individuals by means of the explration of these regions. The induced classification model is deduced from the best individula obtained during the evolutionary prcess. Tenfold cross validation measure of the performance of OBLIC by a comparison of the results with C4.5 and OC1, using datasets from UCI Repository.