Selección automática de algoritmos para el problema de clasificación binaria.

Abstract

El problema de la clasificación binaria surge en diversas situaciones diferentes, generando instancias del problema que pueden ser muy diferentes entre sí. Este problema ha sido ampliamente estudiado y, por lo tanto, existen múltiples algoritmos diferentes para resolverlo. Estos algoritmos tienen rendimientos variables dependiendo de las instancias del problema que enfrentan. En este documento estudiamos la creación de un selector automático de algoritmos que predice el mejor algoritmo dentro de un portafolio para una instancia dada del problema de clasificación binaria. Además, se explican los procesos involucrados en su creación, como la generación de instancias de clasificación binaria artificiales para entrenar y testear el modelo, y el proceso de construcción de un portafolio de algoritmos desde el cual el modelo seleccionará el algoritmo adecuado para cada instancia. Se propone una caracterización de las instancias de clasificación binaria, en base a aproximatePCA y se utiliza la red neuronal convolucional AlexNet para recibir las caracterizaciones y seleccionar algoritmos. Después, se evalúan los resultados, comparándolos con un modelo del estado del arte y con el mejor algoritmo promedio, gracias a la métrica ˆm. Finalmente, se reflexiona acerca de los resultados obtenidos y los futuros avances que se pueden realizar.