Resumen

La clasificación es una de las tareas más importantes de las técnicas de minería de datos, que han sido adoptadas por varias aplicaciones modernas. La escasez de datos etiquetados suficientes en la mayoría de estas aplicaciones ha desviado el interés hacia el uso de métodos semisupervisados. Bajo tales esquemas, el uso de datos no etiquetados recopilados combinado con un conjunto claramente más pequeño de ejemplos etiquetados conduce a una precisión de clasificación similar o incluso mejor que los algoritmos supervisados, que utilizan ejemplos etiquetados exclusivamente durante la fase de entrenamiento. En este artículo se presenta un enfoque novedoso para aumentar la clasificación semisupervisada utilizando la técnica de Cascade Classifier. La principal característica de la estrategia Cascade Classifier es el uso de un clasificador base para aumentar el espacio de características agregando la clase predicha o la distribución de clases de probabilidad de los datos iniciales. El clasificador del segundo nivel recibe el nuevo conjunto de datos y extrae la decisión para cada instancia. En este trabajo,

• Materias:Ecuaciones diferenciales Axiomas de lógica Intervalo Semiilimitado Deformación no lineal Cadenas homotópicas
• Subjects:Differential equations Logic axioms Semi-limited interval Nonlinear deformation Homotopy chains
• Palabras claves:Clasificación; Técnicas de minería de datos; Métodos semisupervisados; Clasificador en Cascada; Naive Bayes; C4.5
• Keywords:Classification; Data mining techniques; Semisupervised methods; Cascade Classifier; Naive Bayes; C4.5