Resumen

La alta dimensión de los datos causa problemas en el aprendizaje automático, por lo que es necesario reducir el número de características seleccionando sólo las más relevantes. Para esta tarea se utilizan diferentes enfoques denominados "selección de características". Este artículo tiene como objetivo proponer un método de selección de características que utiliza técnicas de inteligencia de enjambre, los cuales se encargan de realizar la optimización buscando puntos óptimos en el espacio de búsqueda. Los resultados mostraron que la dimensión de los datos puede reducirse unas dos veces sin pérdida de precisión. Sin embargo, se recomienda ajustar los parámetros individuales antes o durante la optimización para obtener mejores resultados.

• Materias:Aprendizaje automático Inteligencia artificial Inteligencia de enjambre Modelo de optimización
• Subjects:Machine learning Artificial intelligence Swarm intelligence Optimization model
• Palabras claves:Inteligencia de enjambre; Selección de características; Reducción de la dimensionalidad; Aprendizaje automático; Análisis comparativo
• Keywords:Swarm intelligence; Feature selection; Dimensionality reduction; Machine learning; Comparative analysis