ALGORITMO VFI: UN ESTUDIO EXPERIMENTAL EN WEKA

Resumen

Las grandes bases de datos son un reto hoy en día, ya que existe la necesidad de algoritmos de procesamiento más rápidos y confiables. Cuando se utilizan técnicas de aprendizaje automatizado, a menudo involucra un alto costo computacional asociado con el tiempo de entrenamiento; pero no es necesario un nuevo algoritmo si se selecciona el apropiado. Por esta razón, el presente artículo se propone como objetivo: realizar un estudio experimental para comparar un algoritmo conocido y simple llamado Voting Feature Intervals (VFI), con otros influyentes clasificadores, con base en la precisión de la clasificación. La experimentación se llevó a cabo mediante la herramienta WEKA, y se utilizó la metodología estadística de Demšar para evaluar los resultados. Finalmente, se mostró que su comportamiento, en cuanto a la correctitud de la clasificación, no es significativamente peor que otros algoritmos bien conocidos, mientras que su entrenamiento y tiempo de clasificación es lo suficientemente rápido en grandes bases de datos.