Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
13Activity
×
0 of .
Results for:
No results containing your search query
P. 1
redes vs arboles

redes vs arboles

Ratings:

4.67

(3)
|Views: 4,325|Likes:
Trabajo final presentado por Diego Alejandro Espitia en el Curso Sistemas Basados en el Conocimiento II. Facultad de Matemáticas e Ingenierías. Fundación Universitaria Konrad Lorenz
Trabajo final presentado por Diego Alejandro Espitia en el Curso Sistemas Basados en el Conocimiento II. Facultad de Matemáticas e Ingenierías. Fundación Universitaria Konrad Lorenz

More info:

Published by: Programa Ingeniería de Sistemas on Mar 18, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, DOC, TXT or read online from Scribd
See More
See less

06/29/2013

pdf

text

original

 
FUNDACION UNIVERSITARIA KONRAD LORENZ
TRABAJO FINAL DE SISTEMAS BASADOS EN ELCONOCIMIENTO 2
PREVYS RENGIFO RENGIFODOCENTEDIEGO ALEJANDRO ESPITIA VILLALOBOS643003MATEMATICASBogotá D.C. 3 de Diciembre de 2007.
 
REDES NEURONALES vs. ÁRBOLES DE DESICION
El propósito del presente trabajo es observar, estudiar y analizar como secomporta una red neuronal frente a un problema de asignación de reglas, cómotrabaja sabiendo que las redes se utilizan principalmente para problemas declasificación. Para esto se proceder a estudiar dos ejemplos: uno con pocosdatos relativamente sencillo de trabajar y el otro con muchos más datos y datosde validación para determinar si la red efectivamente está aprendiendo y estáaprendiendo las reglas de fondo o si por el contrario simplemente es“memorizando” la información presentada.El primer problema es el siguiente:Se desea construir un árbol de decisión que permita determinar si se juega ono tenis, a partir del valor de los atributos: Ambiente, Temperatura, Humedad yViento, teniendo en cuenta que se han observado y registrado los siguientescasos:
PATRON AMBIENTETEMPERATURAHUMEDADvientoJugar tenis
1soleadocalientealtadébiln2soleadocalientealtafuerten3nubladocalientealtadébils4lluviosomoderadaaltadébils5lluviosofríaNormaldébils6lluviosofríaNormalfuerten7nubladofríaNormalfuertes8soleadomoderadaaltadébiln9soleadofríaNormaldébils10lluviosomoderadaNormaldébils11soleadomoderadaNormalfuertes12nubladomoderadaaltafuertes13nubladocalienteNormaldébils14lluviosomoderadaaltafuerten
 
El cual, mediante el todo de construcción del árbol de decisión hapresentado el siguiente resultado:
1
Es decir, que los datos presentados fueron reducidos a 5 reglas de decisiónque son:
1)SI AMBIENTE =SOLEADO Y HUMEDAD=ALTA, ENTONCES NO JUGAR TENIS.2)SI AMBIENTE =SOLEADO Y HUMEDAD=NORMAL, ENTONCES SI JUGAR TENIS.3)SI AMBIENTE =NUBLADO, ENTONCES SI JUGAR TENIS.4)SI AMBIENTE =LLUVIOSO Y VIENTO=FUERTE, ENTONCES NO JUGAR TENIS.5)SI AMBIENTE =LLUVIOSO Y VIENTO=DEBIL, ENTONCES SI JUGAR TENIS.
Lo cual es una ganancia significativa en cuanto a que para tomar nuevasdecisiones simplemente se debe seguir las reglas.Para la red neuronal se ha decidido realizar la siguiente codificación de losdatos:
Ambientesoleadonubladolluvioso100100010001001001
1
Árbol realizado con el applet de http://www.cs.ubc.ca/nest/lci/CIspace/Version4/dTree/.

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->