Resumen

El objetivo de este trabajo es proponer diez técnicas eficientes de escalado para el conjunto de datos de Diagnóstico de Cáncer de Mama de Wisconsin (WDBC) utilizando la máquina de vectores de soporte (SVM). Estas técnicas de escalado son eficientes para el enfoque de programación lineal. Se aplicó SVM con las técnicas de escalado propuestas en el conjunto de datos de WDBC. Las técnicas de escalado son, a saber, media aritmética, de Buchet para tres casos, ecualización, media geométrica, IBM MPSX y -norma para tres casos. Los resultados experimentales muestran que la técnica de escalado de ecualización supera la técnica de normalización de referencia utilizada en muchos solucionadores comerciales. Finalmente, los resultados experimentales también muestran la efectividad de la técnica de búsqueda en cuadrícula que obtiene los parámetros óptimos (C y gamma) para el clasificador SVM.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Técnicas de escalado propuestas; Máquina de vectores de soporte; Conjunto de datos WDBC; Enfoque de programación lineal; Técnica de escalado de equilibración; Técnica de búsqueda en cuadrícula
• Keywords:Proposed scaling techniques; Support vector machine; WDBC dataset; Linear programming approach; Equilibration scaling technique; Grid search technique