Resumen

Una de las cuestiones importantes en una ciudad inteligente es mantener un entorno saludable. Para mejorar el medio ambiente, se recopilan, manipulan, analizan y utilizan enormes cantidades de datos, y estos datos pueden incluir ruido, incertidumbre o un mal tratamiento inesperado de los mismos. En algunos conjuntos de datos, el problema del desequilibrio de clases sesga el rendimiento de aprendizaje de los algoritmos de clasificación. En este artículo, proponemos un método de razonamiento basado en casos que combina el uso del conocimiento de la multitud a partir de datos de código abierto y el conocimiento colectivo. Este método mitiga los problemas de desequilibrio de clases resultantes de conjuntos de datos que diagnostican niveles de bienestar en pacientes que sufren estrés o depresión. Investigamos formas efectivas de mitigar los problemas de desequilibrio de clases en los que los conjuntos de datos tienen una mayor proporción de una clase sobre otra. Los resultados de este método de razonamiento híbrido propuesto, que utiliza una combinación de conocimiento de multitudes extraído de datos de fuentes abiertas (es decir, una búsqueda en Google u otra fuente de acceso público) y conocimiento colectivo (es decir, razonamiento basado en casos), fueron que funciona mejor que otros métodos tradicionales (por ejemplo, SMO, BayesNet, IBk, Logistic, C4.5 y razonamiento de multitudes). También demostramos que el uso de código abierto y big data mejora el rendimiento de la clasificación cuando se utiliza además de los algoritmos de clasificación convencionales.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:problemas de desequilibrio de clases, datos de código abierto, datos, conjuntos de datos, conocimiento colectivo, conocimiento de multitudes, problema de desequilibrio de clases, algoritmos de clasificación convencionales, método de razonamiento híbrido, otros métodos tradicionales
• Keywords:class imbalance issues, open source data, data, datasets, collective knowledge, crowd knowledge, class imbalance problem, conventional classification algorithms, hybrid reasoning method, other traditional methods