Diseño de un nuevo clasificador supervisado para minería de datos

Este capitulo se presenta como un estudio comparativo entre una gran variedad de clasificadores utilizados en la mineria de datos. Hay diversos metodos aplicados por los distintos clasificadores, no obstante, en este trabajo se puede ver como ninguno de ellos ofrece un buen resultado con un numero muy limitado de clases. El objetivo consiste en constatar que actualmente no existe ningun modelo que permita la clasificacion de cualquier conjunto de muestras dado, y que simultaneamente obtenga unos resultados satisfactorios. Al mismo tiempo se ha propuesto un nuevo modelo de clasificacion que mejora algunos resultados al compararlos con los mejores resultados ofrecidos por los demas clasificadores, y aunque dista de ser un clasificador generalizado, se plantea la combinacion de clasificadores como una tecnica prometedora dentro de la tendencia actual. asimismo en la preparacion de los daos, con la finalidad de definir una optima estrategia de prueba, se han utilizado tanto el algoritmo de estratificacion, con el fin de heterogeneizar los conjuntos de datos, como las tecnicas de validacion cruzada cross-validation, para dividir dichos datos. Con estas tecnicas se pretende mejorar los resultados obtenidos por los tres metodos de clasificacion clasicos. Agrupamiento borroso, Bayes y Vecinos mas cercanos (nearest-neighbours).