Conocimiento

METODOS PARA OBTENER CONOCIMIENTO UTILIZANDO REDES BAYESIANAS Y PROCESOS DE APRENDIZAJE CON ALGORITMOS EVOLUTIVOS.

Departamento de Lenguajes y Sistemas Informáticos.

Memoria de Investigación presentada por

D. Francisco Roche Beltrán
para superar la fase de investigación

del programa de doctorado.

Tutor: Dr. D. José Cristóbal Riquelme Santos. Sevilla, Septiembre 2002

INDICE.-1.- Introducción.................................................................................. 2.- Planteamiento y relevancia del problema..................................... 3.- Aspectos resueltos y por resolver................................................. 4.- Comparativa de propuestas.......................................................... 4.1.- Árboles dedecisión....................................................... 4.2.- Sistemas basados en reglas............................................ 4.3.- Listas de decisión.......................................................... 4.4.- Redes neuronales........................................................... 4.5.- Aprendizaje basado en ejemplos................................... 4.6.- Redesbayesianas........................................................... 4.7.- Conclusiones................................................................. 5.- Técnicas bayesianas.................................................................... 5.1.- Introducción................................................................... 5.2.- Conceptos básicos......................................................... 5.2.1.- V. a.discretas/continuas................................. 5.2.2.- Regla de multiplicación.................................. 5.2.3.- Teorema de Bayes.......................................... 5.2.4.- Hipótesis MAP y ML..................................... 5.3.- Clasificadores bayesianos............................................. 5.3.1.- Clasificador óptimo........................................ 5.3.2.-Clasificador naive........................................... 5.4.- Dependencia/independencia condicional...................... 5.5.- Redes bayesianas.......................................................... 5.5.1.- Introducción................................................... 5.5.2.- Obtención de redes bayesianas...................... 5.5.3.- Cálculo de la red más probable......................5.5.4.- Cálculo de P(D|M) para una red bayesiana.... 5.5.4.1.- V. a. con sólo dos valores................ 5.5.4.2.- V. a. con n valores........................... 5.5.4.3.- Métrica BD y K2............................. 5.5.5.- Búsqueda del mejor modelo........................... 5.5.6.- Inferencia........................................................ 6.- Proyecto deinvestigación............................................................ 6.1.- Introducción.................................................................. 6.2.- Discretización............................................................... 6.2.1.- Caso general.................................................. 6.2.2.- Aplicación para un atributo........................... 6.2.3.- Ajuste deparámetros..................................... 6.2.4.- Test de validación cruzada............................ 6.3.- Generación de la red bayesiana.................................... 6.4.- Trabajos pendientes......................................................

4 8 12 14 15 15 17 17 18 18 19 20 21 22 22 25 26 27 30 30 31 33 35 35 39 40 41 41 45 49 50 51 52 53 56 56 58 62 67 69 78

2

7.- RevisiónBibliográfica................................................................ 8.- Personas y foros relacionados.................................................... ANEXO........................................................................................... 1.- Introducción................................................................... 2.- Desarrollo del trabajo................................................... 3.-...