Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abstract
1. introduccio´n
Preprint submitted to WEB del Instituto Tecnol´ogico Superior de Ciudad Serd´anJune 12, 2013
En la actualidad se cuenta con software que ayudan a este proceso y
que facilitan el proceso de extracci´on de informaci´on que es importante,
tal como WEKA que es una herramienta Gratuita que adem´as al estar
escrita en java se puede incrementar en cuanto a sus capacidades de
procesamiento. Esta
herramienta se distribuye gratuitamente en http://www.cs.waikato.ac.nz/ml/weka/
2. Historia y descripcio´n
3. Ejemplo de su utilizacio´n
Una vez seleccionada esta opci´on nos mostrara la ventana que observamos
4
en la figura 2
6
Figure 3: Ventana de explorer con los datos cargados
donde los resultados se conocen de facto y que sirven como base de entre-
namiento para nuevos datos.
8
Figure 5: Pestan˜a classify
9
cual podemos dilucidar que este algoritmo no es
10
Figure 6: resultados con el algoritmo J48
una buena opci´on para el pron´ostico con este conjunto de datos del c
´ancer pese a su 75
En la figura 7 observamos los mismos datos analizados con otro
algoritmo denominado perceptron multicapas, que lo que crea es una red
neuronal, para la toma de decisiones obteniendo los siguientes resultados en
su clasificaci´on. Observamos en primer lugar que el porcentaje de datos
correctamente clasificados es de 96.5035% lo cual es por mucho superior
al resultado ante- rior y en la matriz de confusi´on observamos que
tenemos solamente 4 falsos positivos y 6 falsos negativos, lo cual es un
resultado mucho mejor, pudiendo entonces construir esta red neuronal
en una aplicaci´on para que el experto medico cuente con una
herramienta que le predice con mucha eficacia la aparici´on de c´ancer de
pecho. Conclusiones Weka es una herramienta para el
11
Figure 7: resultado con perceptrones multicapa
References
[1] Ian H. Witten; Eibe Frank, Len Trigg, Mark Hall, Geoffrey Holmes,
and Sally Jo Cunningham (1999). Weka: Practical Machine Learning
Tools and Techniques with Java Implementations. Proceedings of the
12
ICONIP/ANZIIS/ANNES’99 Workshop on Emerging Knowledge Engi-
neering and Connectionist-Based Information Systems p´ags. 192 —196.
13