Clasificación binaria lineal utilizando Python

Abstract

Esta tesis se enfoca en el problema de la clasificación, una tarea fundamental en el aprendizaje automático y el reconocimiento de patrones. La clasificación implica asignar objetos o instancias a categorías o clases predefinidas basándose en sus características o atributos. El documento explora dos enfoques principales para la clasificación: el Discriminante Lineal de Fisher (DLF) y Support Vector Machine (SVM). Universidad Juárez Autónoma de Tabasco. México. El DLF es un método clásico que busca encontrar combinaciones lineales de características que maximicen la separación entre clases mientras minimizan la varianza dentro de cada clase. Asume que los datos de cada clase comparten la misma matriz de covarianza. Por otro lado, SVM se basa en encontrar un hiperplano que maximice el margen entre las clases, incluso si los datos no son linealmente separables. En esta tesis se aplican estos métodos a tres conjuntos de datos del mundo real: el conjunto de datos de diagnóstico de cáncer de mama de Wisconsin, un conjunto de datos de correos electrónicos no deseados y un conjunto de datos de señales de sonar. El primero implica clasificar tumores como benignos o malignos basándose en características celulares extraídas de imágenes. El segundo conjunto de datos se utiliza para clasificar correos electrónicos como spam o no spam en función de la frecuencia de palabras y caracteres específicos. El tercer conjunto de datos es utilizado para clasificar minas y rocas mediante señales de un sonar activo en varios ´ ángulos de visión y diferentes condiciones. Se compara el desempeño de DLF y el de SVM en estos conjuntos de datos utilizando técnicas de validación cruzada para evaluar la precisión de la clasificación. Los resultados experimentales demuestran la eficacia de ambos métodos, destacando las ventajas y desventajas de cada uno en diferentes escenarios.