Resumen

En el artículo se ha analizado la desviación del tiempo de vuelo de los aeropuertos de Lituania. Se ha implementado un modelo de aprendizaje automático supervisado para predecir el intervalo de desviación del tiempo de los nuevos vuelos. El análisis se ha realizado utilizando siete algoritmos: red neuronal probabilística, perceptrón multicapa, árboles de decisión, bosque aleatorio, conjunto de árboles, árboles potenciados por gradiente y máquinas de vectores de apoyo. Para encontrar los mejores parámetros que den la mayor precisión a cada algoritmo, se ha utilizado la búsqueda en cuadrícula. Para evaluar la calidad de cada algoritmo, se han calculado las cinco medidas: sensibilidad/recuperación, precisión, especificidad, medida F y exactitud. Toda la investigación experimental se ha realizado utilizando el conjunto de datos recién recogidos de los aeropuertos de Lituania y la información meteorológica sobre la hora de salida/aterrizaje. Los vuelos de salida y los de llegada se han investigado por separado. Para equilibrar el conjunto de datos, se ha utilizado la técnica SMOTE. Los resultados de la investigación mostraron que la mayor precisión se obtiene utilizando los clasificadores del modelo de árbol y que el mejor algoritmo de este tipo para predecir es el de árboles impulsados por el gradiente.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:máxima precisión, aeropuerto de lituania, desviación de lituania, clasificador de modelo de árbol, red neuronal probabilística, modelo de aprendizaje automático, desviación de retraso, intervalo de tiempo, algoritmo, árbol
• Keywords:highest accuracy, lithuania airport, deviation of lithuania, tree model classifier, probabilistic neural network, machine learning model, time delay deviation, interval of time, algorithm, tree