Nuevos Algoritmos Basados en Grafos y Clustering para el Tratamiento de Complejidades de los Datos

Abstract

La distribución no balanceada de los datos entre las clases, así como la presencia de ruido y el traslape de clases, son complejidades de los datos que a menudo interfieren en el rendimiento de clasificadores. Para afrontar estos problemas, la presente tesis presenta una serie de propuestas basadas en algoritmos de clustering para la eliminación de instancias de la clase mayoritaria consideradas como ruido, así como en técnicas de la teoría de grafos para balancear la distribución de clases. Los resultados experimentales muestran una mejora en el rendimiento de los modelos de aprendizaje aquí propuestos en comparación con diversos algoritmos del estado del arte.

The imbalance data distribution between classes, as well as the existence of noise and class overlap, are data complexities that often affect the classifier performance. To face these problems, this thesis gives a series of proposals based on clustering algorithms to remove noisy instances from the majority class, as well as algorithms from the graph theory to balance the classes. The experimental results show an improvement in the learning models performance here proposed when compared to several state-of-the-art techniques.