Estudio del funcionamiento de técnicas de minería de datos sobre Conjuntos de Datos relacionados con la Biología.

Abstract

[ES] En la actualidad se generan volúmenes masivos de datos en todos los ámbitos, desde datos con propósitos económicos hasta datos de origen clínico. Para que estos datos sean útiles hacen falta herramientas de minería de datos. Una de las más potentes y más populares hoy día es el aprendizaje automático, disciplina que emplea una amplia variedad de algoritmos que generan a su vez otros algoritmos para descubrir patrones en los datos. En este proyecto se pretendió analizar el rendimiento y comportamiento de un total de 8 algoritmos basados en reglas sobre 30 conjuntos de datos relacionados con el ámbito de la biología mediante un experimento en KEEL, observando cómo afectan diferentes factores al rendimiento del proceso de aprendizaje y determinando que algoritmos eran más eficaces. De manera adicional, estudiamos más detenidamente un caso concreto de estudio para la mejora de la comprensión del funcionamiento de los algoritmos basados en reglas.

[EN] Massive volumes of data are currently being generated in all spheres, from data for economic purposes, such as those collected by companies to predict consumer purchasing trends, to data of clinical origin such as patient medical records. To make this data useful, we need data mining tools. One of the most powerful and most popular today is machine learning, a discipline that uses a wide variety of algorithms that in turn generate other algorithms to discover patterns in the data. This project aimed to analyse the performance and behaviour of a total of 8 rule-based algorithms on 30 data sets related to the sphere of biology through an experiment in KEEL, observing how different factors affect the performance of the learning process and determining which of the algorithms are more efficient. Additionally, we study a specific case to improve the understanding of the operation of rule-based algorithms.