Memoria Investigaciones en Ingeniería; Núm. 10 (2012); 19-32
Editor
Universidad de Montevideo
Notas
Aggregation methods in machine learning models combine several assumptions made on the same dataset in order to obtain a predictive model with higher accuracy. They have been extensively studied and have led to numerous experimental and theoretical works in various contexts: classification, regression, unsupervised learning, etc. The aim of this work is in a first time reviewing several known models of aggregation and then compares their performances over two applications. The first is for making predictions on different databases, particularly in multiclass problems, and the second to use them in the context of estimating the density of a random variable.
Los métodos de agregación de modelos en aprendizaje automático combinan varias hipótesis hechas sobre un mismo conjunto de datos con el fin de obtener un modelo predictivo con una mejor performance. Los mismos han sido ampliamente estudiados y han dado lugar a numerosos trabajos tanto experimentales como teóricos en diversos contextos: clasificación, regresión, aprendizaje no supervisado, etc. El objetivo de este trabajo es en un primer momento repasar varios métodos conocidos de agregación de modelos y luego realizar dos aplicaciones para comparar sus performances. La primera consiste en estudiar sus predicciones sobre distintas bases de datos para la clasificación, en particular en problemas de varias clases, y la segunda en utilizarlos en el contexto de la estimación de la densidad de una variable aleatoria.
