Daniel Parra presenta su Trabajo Fin de Máster dentro de las líneas de investigación del proyecto GenObIA, con título «Selección óptima de variables mediante Computación Evolutiva para algoritmos de clasificación. Aplicación a la identificación de individuos en riesgo de desarrollar sobrepeso». En este trabajo, se ha diseñado un sistema de selección de variables (feature selection) para sistemas clasificadores, basado en Computación Evolutiva. El algoritmo tiene como misión seleccionar el conjunto de variables o features más adecuado para un algoritmo de clasificación. Se utiliza una codificación binaria directa que nos permite realizar la evaluación de los individuos de manera eficiente, en la que un individuo codifica como 1 aquellas variables que se utilizarán en el clasificador. Para identificar estas variables, se evalúan los individuos mediante el accuracy (resultados verdaderos entre el total de casos), obtenido por el clasificador sobre el que se quiere aplicar, en un conjunto de datos reducido.

Este sistema se ha aplicado con los clasificadores mencionados a los datos del proyecto GenObIA-CM, aunque su diseño permite aplicarlo a cualquier otro problema que utilice el formato de datos de entrada adecuado, que es el habitual en problemas de clasificación. GenObIA-CM es un proyecto participado por un consorcio de 20 instituciones, hospitales y empresas, financiado por el Fondo Social Europeo y la Comunidad de Madrid. El proyecto busca diseñar, utilizando inteligencia artificial, algoritmos predictivos para la identificación de personas en riesgo de desarrollar sobrepeso, obesidad y sus patologías asociadas.

Categorías: Formación

0 comentarios

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *