Resumen

Un objetivo primordial en la construcción de modelos de minería de flujos de datos es lograr una buena precisión, un aprendizaje rápido y robustez frente al ruido. Aunque en el pasado se han propuesto muchas técnicas, los esfuerzos por mejorar la precisión de los modelos de clasificación han sido algo dispares. Estas técnicas incluyen, entre otras, la selección de características, la reducción de la dimensionalidad y la eliminación del ruido de los datos de entrenamiento. Una limitación común a todas estas técnicas es la suposición de que debe aplicarse el conjunto completo de datos de entrenamiento. Aunque esto ha sido eficaz para el entrenamiento por lotes tradicional, puede no ser práctico para el aprendizaje incremental de clasificadores, también conocido como minería de flujos de datos, donde sólo se ve una única pasada del flujo de datos a la vez. Debido a que los flujos de datos pueden llegar a ser infinitos y al fenómeno denominado big data, el tiempo de preprocesamiento de los datos debe reducirse al mínimo. En este artículo se presenta una nueva estrategia de preprocesamiento de datos adecuada para la depuración progresiva de los datos ruidosos del conjunto de datos de entrenamiento sin necesidad de procesar todo el conjunto de datos de una sola vez. Mediante una simulación informática, se demuestra que esta estrategia ofrece la importante ventaja de permitir la eliminación dinámica de los registros erróneos del proceso de aprendizaje incremental del clasificador.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:modelos de minería de flujo de datos, precisión, aprendizaje rápido, robustez, ruido, técnicas, modelos de clasificación, selección de características, reducción de la dimensionalidad, eliminación del ruido, datos de entrenamiento, limitación, suposición, conjunto de datos de entrenamiento completo, entrenamiento por lotes tradicional, aprendizaje incremental del clasificador, minería de flujo de datos, paso único, flujo de datos, infinito, fenómeno de big data, tiempo de preprocesamiento de datos, mínimo, artículo, nueva estrategia de preprocesamiento de datos, purga progresiva, datos ruidosos, conjunto de datos de entrenamiento, eliminación dinámica, registros erróneos, proceso de aprendizaje incremental del clasificador.
• Keywords:data streaming mining models, accuracy, fast learning, robustness, noise, techniques, classification models, feature selection, dimensionality reduction, removal of noise, training data, limitation, assumption, full training dataset, traditional batch training, incremental classifier learning, data stream mining, single pass, data stream, infinity, big data phenomenon, data preprocessing time, minimum, paper, new data preprocessing strategy, progressive purging, noisy data, training dataset, dynamic removal, bad records, incremental classifier learning process