• Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Document type
    • español
    • English
    • português (Brasil)
  • Self archiving
  • Browse 
    • Communities & Collections
    • By Issue Date
    • Authors
    • Titles
    • Subjects
    • Document type
  • English 
    • español
    • English
    • português (Brasil)
  • Login
View Item 
  •   Institutional repository ITM
  • Sistema de Revistas Científicas ITM
  • TecnoLógicas
  • Num. 23 (2009)
  • View Item
  •   Institutional repository ITM
  • Sistema de Revistas Científicas ITM
  • TecnoLógicas
  • Num. 23 (2009)
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Browse

All of ITMCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsDocument typeThis CollectionBy Issue DateAuthorsTitlesSubjectsDocument type

My Account

LoginRegister

Statistics

View Usage Statistics
Statistics GTMView statistics GTM

Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada

Thumbnail
View/Open
239-Manuscrito-399-1-10-20170214.pdf (817.3Kb) 
Share this
Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada
Date
2009-12-20
Author
Peluffo-Ordóñez, Diego H.
Rodríguez-Sotelo, José L.
Castellanos-Domínguez, Germán

Citation

       
TY - GEN T1 - Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada AU - Peluffo-Ordóñez, Diego H. AU - Rodríguez-Sotelo, José L. AU - Castellanos-Domínguez, Germán Y1 - 2009-12-20 UR - http://hdl.handle.net/20.500.12622/835 AB - En este trabajo se presenta un estudio comparativo de algunos métodos de selección de características de inferencia supervisada y no supervisada derivados del algoritmo PCA clásico. Se deduce una función objetivo de PCA a partir del error cuadrático medio de los datos y su proyección sobre una base ortonormal, y se extiende este concepto para derivar una expresión asociada al algoritmo fundamental de WPCA. Adicionalmente, se estudian los algoritmos Q - α supervisado y no supervisado y se explica su relación con PCA. Se presentan resultados empleando dos conjuntos de datos: Uno de baja dimensión para estudiar los efectos de la rotación ortogonal y la dirección de los componentes principales y otro de alta dimensión para evaluar los resultados de clasificación. Los métodos de selección de características fueron evaluados teniendo en cuenta la cantidad de características relevantes obtenidas, costo computacional y resultados de clasificación. La clasificación se realizó con un algoritmo particional de agrupamiento no supervisado. ER - @misc{20.500.12622_835, author = {Peluffo-Ordóñez Diego H. and Rodríguez-Sotelo José L. and Castellanos-Domínguez Germán}, title = {Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada}, year = {2009-12-20}, abstract = {En este trabajo se presenta un estudio comparativo de algunos métodos de selección de características de inferencia supervisada y no supervisada derivados del algoritmo PCA clásico. Se deduce una función objetivo de PCA a partir del error cuadrático medio de los datos y su proyección sobre una base ortonormal, y se extiende este concepto para derivar una expresión asociada al algoritmo fundamental de WPCA. Adicionalmente, se estudian los algoritmos Q - α supervisado y no supervisado y se explica su relación con PCA. Se presentan resultados empleando dos conjuntos de datos: Uno de baja dimensión para estudiar los efectos de la rotación ortogonal y la dirección de los componentes principales y otro de alta dimensión para evaluar los resultados de clasificación. Los métodos de selección de características fueron evaluados teniendo en cuenta la cantidad de características relevantes obtenidas, costo computacional y resultados de clasificación. La clasificación se realizó con un algoritmo particional de agrupamiento no supervisado.}, url = {http://hdl.handle.net/20.500.12622/835} }RT Generic T1 Estudio Comparativo de Métodos de Selección de Características de Inferencia Supervisada y No Supervisada A1 Peluffo-Ordóñez, Diego H. A1 Rodríguez-Sotelo, José L. A1 Castellanos-Domínguez, Germán YR 2009-12-20 LK http://hdl.handle.net/20.500.12622/835 AB En este trabajo se presenta un estudio comparativo de algunos métodos de selección de características de inferencia supervisada y no supervisada derivados del algoritmo PCA clásico. Se deduce una función objetivo de PCA a partir del error cuadrático medio de los datos y su proyección sobre una base ortonormal, y se extiende este concepto para derivar una expresión asociada al algoritmo fundamental de WPCA. Adicionalmente, se estudian los algoritmos Q - α supervisado y no supervisado y se explica su relación con PCA. Se presentan resultados empleando dos conjuntos de datos: Uno de baja dimensión para estudiar los efectos de la rotación ortogonal y la dirección de los componentes principales y otro de alta dimensión para evaluar los resultados de clasificación. Los métodos de selección de características fueron evaluados teniendo en cuenta la cantidad de características relevantes obtenidas, costo computacional y resultados de clasificación. La clasificación se realizó con un algoritmo particional de agrupamiento no supervisado. OL Spanish (121)
Bibliographic managers
Refworks
Zotero
BibTeX
CiteULike
Metadata
Show full item record
PDF Documents
Abstract
En este trabajo se presenta un estudio comparativo de algunos métodos de selección de características de inferencia supervisada y no supervisada derivados del algoritmo PCA clásico. Se deduce una función objetivo de PCA a partir del error cuadrático medio de los datos y su proyección sobre una base ortonormal, y se extiende este concepto para derivar una expresión asociada al algoritmo fundamental de WPCA. Adicionalmente, se estudian los algoritmos Q - α supervisado y no supervisado y se explica su relación con PCA. Se presentan resultados empleando dos conjuntos de datos: Uno de baja dimensión para estudiar los efectos de la rotación ortogonal y la dirección de los componentes principales y otro de alta dimensión para evaluar los resultados de clasificación. Los métodos de selección de características fueron evaluados teniendo en cuenta la cantidad de características relevantes obtenidas, costo computacional y resultados de clasificación. La clasificación se realizó con un algoritmo particional de agrupamiento no supervisado.
Abstract
In this work, a comparative study of feature selection methods for supervised and unsupervised inference obtained from classical PCA is presented. We deduce an expression for the cost function of PCA based on the mean square error of data and its orthonormal projection, and then this concept is extended to obtain an expression for general WPCA. Additionally, we study the supervised and unsupervised Q – α algorithm and its relation with PCA. At the end, we present results employing two data sets: A low-dimensional data set to analyze the effects of orthonormal rotation, and a highdimensional data set to assess the classification performance. The feature selection methods were assessed taking into account the number of relevant features, computational cost and classification performance. The classification was carried out using a partitional clustering algorithm.
Palabras clave
Proyección ortonormal; PCA; selección de características; WPCA
keywords
Feature selection; orthonormal projection; PCA; WPCA.
URI
http://hdl.handle.net/20.500.12622/835
Statistics Google Analytics
Collections
  • Num. 23 (2009) [14]

Departamento de Biblioteca y Extensión Cultural
bibliotecaitm@itm.edu.co

Contact Us | Send Feedback