2016 |
Anaya-Isaza, Andrés J; Peluffo-Ordoñez, Diego H; Alvarado-Pérez, Juan C; Ivan-Rios, Jorge; Castro-Silva, Juan A; Rosero-Montalvo, Paul D; Peña-Unigarro, Diego F; C., Jose Salazar-Castrojuan A; Umaquinga-Criollo, Ana C Estudio comparativo de métodos espectrales para reducción de la dimensionalidad: LDA versus PCA . Comparative study between spectral methods for dimension reduction LDA versus PCA. Conference 2016. Abstract | BibTeX | Etiquetas: Análisis de componentes principales, Análisis discriminante lineal, Aprendizaje de máquina, Clasificación lineal, Clasificación supervisada, Métodos de reducción de la dimensión | Links: @conference{Anaya2016, Este trabajo presenta un estudio comparativo con métodos de reducción de la dimensión lineal,tales como: Análisis de Componentes Principales &Análisis Discriminante Lineal. El estudio pretende determinar, bajo criterios de objetividad, cuál de estas técnicas obtiene el mejor resultado de separabilidad entre clases. Para la validación experimental se utilizan dos bases de datos, del repositorio científico(UC Irvine Machine Learning Repository), para dar tratamiento a los atributos del data-set en función deconfirmar visualmente la calidad de los resultados obtenidos. Las inmersiones obtenidas son analizadas, para realizar una comparación de resultados del embedimiento representados con RNX(K), que permite evaluar el área bajo la curva, del cual asume una mejor representación en una topología global o localque posteriormente generalos gráficos de visualización en un espacio de menor dimensión, para observar la separabilidad entre clases conservando la estructura global de los datos. |
2016 |
|
1. | Andrés J Anaya-Isaza; Diego H Peluffo-Ordoñez; Juan C Alvarado-Pérez; Jorge Ivan-Rios; Juan A Castro-Silva; Paul D Rosero-Montalvo; Diego F Peña-Unigarro; Jose Salazar-Castrojuan A C.; Ana C Umaquinga-Criollo 2016. Abstract | Links | BibTeX | Etiquetas: Análisis de componentes principales, Análisis discriminante lineal, Aprendizaje de máquina, Clasificación lineal, Clasificación supervisada, Métodos de reducción de la dimensión @conference{Anaya2016, Este trabajo presenta un estudio comparativo con métodos de reducción de la dimensión lineal,tales como: Análisis de Componentes Principales &Análisis Discriminante Lineal. El estudio pretende determinar, bajo criterios de objetividad, cuál de estas técnicas obtiene el mejor resultado de separabilidad entre clases. Para la validación experimental se utilizan dos bases de datos, del repositorio científico(UC Irvine Machine Learning Repository), para dar tratamiento a los atributos del data-set en función deconfirmar visualmente la calidad de los resultados obtenidos. Las inmersiones obtenidas son analizadas, para realizar una comparación de resultados del embedimiento representados con RNX(K), que permite evaluar el área bajo la curva, del cual asume una mejor representación en una topología global o localque posteriormente generalos gráficos de visualización en un espacio de menor dimensión, para observar la separabilidad entre clases conservando la estructura global de los datos. |