En las tareas de aprendizaje supervisado se dispone de un conjunto de datos, formado por varios ejemplos para los que se conoce los valores de ciertas variables y se trata de obtener un modelo que relacione las distintas variables con una de ellas que es la que interesa predecir. En función de que la variable a predecir sea nominal (o categórica) o numérica se habla de clasificación o predicción. En el método Rotation Forest las predicciones se obtienen mediante votación de varios árboles de decisión o regresión. Se ha utilizado con éxito en aplicaciones de muy diversa índole.
Aspectos nuevos e innovadores
En diversos ámbitos el método ha demostrado su robustez y buenos resultados, obteniendo menores errores en la predicción que las alternativas consideradas.
Principales ventajas derivadas de su utilización
Las predicción, bien sean clasificación o regresión, es de utilidad en innumerables campos. Aplicaciones dónde ya se ha utilizado el método incluyen la diagnosis industrial, diagnosis médica, bioinformática, predicción de rendimientos (de
componentes industriales, estudiantes...)
Características técnicas
El método propuesto se basa en las técnicas de combinación de modelos (ensembles). Los modelos a combinar pueden ser de clasificación o de regresión. En concreto, en Rotation Forest los modelos combinados son árboles de decisión o regresión. Actualmente se acepta que es posible obtener mejores resultados combinando modelos que usando un único modelo, tanto por las propiedades teóricas de estas combinaciones como por el amplio número de aplicaciones donde se han demostrado útiles.
Aplicaciones
- Diagnosis industrial. Se ha utilizado el método para monitorizar la calidad de aceites lubricantes, ya que estos se degradan con el uso. Para determinar las relaciones entre las propiedades del suelo y el deterioro de tuberías mecánicas. Para establecer el estado de estructuras.
- Predicción de rendimientos. El método se ha utilizado para predecir la potencia generada por aerogeneradores.
- Diagnosis médica. El método se ha utilizado para analizar imágenes por resonancia magnética funcional (fMRI). Este tipo de imágenes se utilizan para localizar las funciones cerebrales. Otras aplicaciones son la diagnosis de enfermedades eritematoescamosas o de la epilepsia. También para la clasificación de cáncer a partir de microarrays.
- Bioinformática. Se ha utilizado para la clasificación de datos genómicos y proteómicos, para la anotación de genes promotores, para la predicción del pliegue de las proteínas e interacciones entre ellas, predicción de propiedades de drogas moleculares.
- Enseñanza. Se ha utilizado para identificar estudiantes con dificultades en el aprendizaje.
- Financieras. El método se ha aplicado en la predicción de quiebras y el riesgo de clientes; para la predicción de ingresos municipales.
Relación comercial deseada
Acuerdo comercial para procesado de datos y elaboración de informes técnicos.
El objetivo de la Oficina de Transferencia de Conocimiento (OTRI) de la Universidad de Burgos es promover la Innovación tecnológica a través de la transferencia de resultados de investigación y las conexiones entre la Universidad y los nuevos requerimientos y realidades de la sociedad - somos el vínculo entre la Universidad y la Industria. Persona de Contacto: José Manuel López (jmllopez@ubu.es)
Create your free account to connect with UNIVERSIDAD DE BURGOS and thousands of other innovative organizations and professionals worldwide
Send a request for information
to UNIVERSIDAD DE BURGOS
Technology Offers on Innoget are directly posted
and managed by its members as well as evaluation of requests for information. Innoget is the trusted open innovation and science network aimed at directly connect industry needs with professionals online.
Need help requesting additional information or have questions regarding this Technology Offer?
Contact Innoget support
