Una herramienta de visualización interactiva para la generación de ensambles óptimos de clasificadores

Abstract

En la actualidad existen muchos avances en el área de aprendizaje de máquina. A veces los modelos usados para realizar una determinada tarea no proporcionan los mejores resultados. Una alternativa de solución a este problema es el uso de ensambles de clasificadores, ya que la decisión final estará basada en el conjunto de probabilidades generadas por varios modelos. De esta forma, aunque uno de los clasificadores falle, los resultados tendrán cierto grado de confiabilidad si es que los demás clasificadores aciertan. Con este enfoque también surge la demanda por herramientas que permitan realizar un análisis detallado de cada clasificador perteneciente al ensamble. Es por este motivo que la presente tesis propone el desarrollo de una herramienta de generación y comparación de ensambles óptimos en términos de rendimiento. La herramienta propuesta se apoya en técnicas de visualización para realizar dos tareas principales: proporcionar un análisis detallado de cada clasificador y mostrar las métricas asociadas a cada clasificador para ayudar al usuario en la toma de decisiones.