Esta página web es el resultado del proyecto final del curso de Aprendizaje Automático, desarrollado por estudiantes de la Maestría en Inteligencia Artificial de la Universidad Veracruzana. El sitio presenta los métodos y resultados del estudio de varias técnicas de aprendizaje automático.

1. Preprocesamiento

   El algoritmo busca la partición de los datos que maximice el criterio de CAIM, el cual cuantifica la interdependencia entre los atributos discretizados y las clases. Durante la discretización, CAIM intenta asegurarse de que cada intervalo contiene una predominancia de una sola clase, lo que puede ayudar a hacer más claras las divisiones entre clases en los modelos de clasificación. Esto es especialmente útil cuando los datos tienen una distribución no uniforme entre clases.

2. Clasificación

   Descripción de los algoritmos utilizados:

   • Árbol de decisión ID3
   • Naive Bayes
   • Red Neuronal MLP
   • Discriminante Lineal LDA
   
   

3. Validación

   La sección de validación describe el uso de la técnica de validación cruzada para evaluar el rendimiento de los modelos de clasificación implementados, proporcionando una estimación más precisa de cómo los modelos funcionarán en un conjunto de datos independiente.

El proyecto aplica técnicas de aprendizaje automático para abordar un problema práctico, evaluando la efectividad de diferentes algoritmos y ofreciendo una herramienta pública para su uso.