Resumen

Las redes bayesianas son técnicas útiles de aprendizaje automático que pueden combinar modelado cuantitativo, a través de la teoría de probabilidades, con modelado cualitativo, a través de la teoría de grafos para visualización. Aplicamos clasificadores de redes bayesianas al problema de clasificación del biotipo facial, una etapa importante durante la planificación del tratamiento ortodóntico. Para ello, presentamos adaptaciones de clasificadores de redes bayesianas clásicos para manejar atributos continuos; además, proponemos un procedimiento de construcción de árboles incremental para clasificadores de redes bayesianas en forma de árbol. Evaluamos el rendimiento de las adaptaciones propuestas y las comparamos con otros enfoques de clasificadores de redes bayesianas continuas, así como con máquinas de vectores de soporte. Los resultados bajo las medidas de rendimiento de clasificación, precisión y kappa, mostraron la efectividad de los clasificadores de redes bayesianas continuas, especialmente para el caso en que se utilizó un número reducido de atributos. Además

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Redes bayesianas; Aprendizaje automático; Teoría de probabilidad; Teoría de grafos; Clasificación de biotipo facial; Tratamiento ortodóntico.
• Keywords:Bayesian networks; Machine learning; Probability theory; Graph theory; Facial biotype classification; Orthodontic treatment.