Resumen

La extracción de conocimiento a partir de datos con ruido o valores atípicos es un problema complejo en el área de la minería de datos. Normalmente, no es fácil eliminar esas instancias problemáticas. Para obtener información de este tipo de datos, los clasificadores robustos son la mejor opción a utilizar. Uno de ellos es la aplicación de un esquema de bagging en clasificadores débiles individuales. El modelo Credal C4.5 (CC4.5) es un nuevo procedimiento de árbol de clasificación basado en el algoritmo clásico C4.5 y en probabilidades imprecisas. Representa un tipo de los llamados. Se ha demostrado que el CC4.5 es más robusto al ruido que el método C4.5 e incluso que otros modelos de árboles credales anteriores. En este artículo, se muestra el rendimiento del modelo CC4.5 en esquemas de bagging en dominios ruidosos. Se realiza un estudio experimental en conjuntos de datos con ruido agregado para comparar resultados donde se aplican esquemas de bagging en árboles

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Extracción; Minería de datos; Clasificadores; Esquema de bagging; Modelo CC4.5; Ruido
• Keywords:Extraction; Data mining; Classifiers; Bagging scheme; CC4.5 model; Noise