Resumen

Una gran cantidad de datos se generan a partir de diferentes fuentes y el análisis y la extracción de información útil de estos datos se convierte en una tarea muy compleja. La dificultad de tratar con big data surge de varios factores como el alto número de características, la existencia de datos perdidos y la variedad de datos. Una de las soluciones más efectivas que se utilizan para superar la enorme cantidad de big data es el proceso de reducción de características. En este artículo, se proponen un conjunto de algoritmos híbridos y eficientes para clasificar los conjuntos de datos que tienen un gran tamaño de características mediante la fusión de los algoritmos genéticos con las redes neuronales artificiales. Los algoritmos genéticos se utilizan como un paso previo para reducir significativamente el tamaño de las características de los datos analizados antes de manejar esos datos utilizando técnicas de aprendizaje automático. Reducir el número de características simplifica la tarea de clasificar los datos analizados y mejora el rendimiento de los algoritmos de aprendizaje automático que se utilizan para extraer información valiosa de

• Materias:Algoritmo de agrupamiento Reconocimiento de caracteres Reconocimiento de entidades nombradas Algoritmos de recomendación Tecnologías de contenedores
• Subjects:Clustering algorithm Character recognition Named entity recognition Recommendation algorithms Container technologies
• Palabras claves:Gran cantidad; Datos; Proceso de reducción de características; Algoritmos genéticos; Redes neuronales artificiales; Técnicas de aprendizaje automático
• Keywords:Large amount; Data; Feature reduction process; Genetic algorithms; Artificial neural networks; Machine learning techniques