Modelo de clasificación supervisada usando la función de Heaviside

Abstract

En este documento se presentan los fundamentos teóricos de un nuevo modelo de clasificación perteneciente al enfoque asociativo del reconocimiento de patrones: El Clasificador de Heaviside. Como su nombre lo indica, este clasificador sustenta dos fases, aprendizaje y clasificación, en la función de Heaviside. Pese a que en este trabajo se sustenta de manera teórica el funcionamiento del clasificador de Heaviside, consideramos importante ilustrar la efectividad del clasificador de manera experimental. Por lo tanto, se incluyen los resultados de un estudio comparativo compuesto por dos rondas de pruebas. En la primera, el clasificador fue comparado contra 9 modelos destacados en el estado del arte del Reconocimiento de Patrones en 20 bancos de datos de los prestigiosos repositorios UCI y KEEL; en la segunda, el clasificador fue nuevamente comparado en contra de siete modelos en 20 bancos de datos. Durante la primera ronda, en el mejor de los casos el Clasificador de Heaviside obtuvo un 97.15% (con el banco de datos Wisconsin), mientras que en el peor de los casos obtuvo un 72.64% (con el banco de datos Wine); por otro lado, en la segunda ronda de pruebas a pesar de que el desempeño del clasificador no superó a sus demás competidores, sólo hubo dos casos en los que las diferencias de rendimientos fueron significativas, cabe destacar que en estas pruebas nuestro clasificador logró el 100% en uno de los bancos de datos, mientras que su peor desempeño fue de poco más del 50%. Es importante mencionar que los resultados obtenidos fueron sometidos a las pruebas no paramétricas de los signos, la de Wilcoxon, y la de Friedman, las cuales proporcionaron mayor certidumbre estadística a los resultados obtenidos en la comparación. Tras analizar los resultados de las pruebas de significancia estadística hemos concluido que nuestro modelo supera a algunos modelos importantes del estado del arte, y en aquellos casos donde nuestro modelo es superado, es alentador observar que las diferencias no resultan significativas. También es importante mencionar que hemos propuesto algunas aplicaciones donde el clasificador es empleado exitosamente en problemas médicos y relacionados con educación, por lo que se puede considerar a este clasificador como una opción viable para resolver problemas de clasificación. Finalmente, es preciso hacer notar que actualmente contamos con dos publicaciones relacionadas con este clasificador: una en revista del padrón de Conacyt y otra JCR.