Resumen

Un bosque es un conjunto con árboles de decisión como miembros. Este trabajo propone una nueva estrategia de poda de bosques para mejorar la capacidad de generalización del conjunto y reducir su tamaño. A diferencia de los enfoques convencionales de poda de conjuntos, el método propuesto trata de evaluar la importancia de las ramas de los árboles con respecto a todo el conjunto utilizando una nueva métrica propuesta llamada ganancia de importancia. La importancia de una rama se diseña teniendo en cuenta la precisión del conjunto y la diversidad de los miembros del conjunto, y por lo tanto la métrica evalúa razonablemente la mejora de la precisión del conjunto cuando se poda una rama. Nuestros experimentos muestran que el método propuesto puede reducir significativamente el tamaño del conjunto y mejorar la precisión del mismo, independientemente de que los conjuntos se construyan mediante un determinado algoritmo, como el bagging, o se obtengan mediante un algoritmo de selección de conjuntos, sin importar si cada árbol de decisión se poda o no.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:precisión del conjunto, árbol de decisión, métodos propuestos, tamaño del conjunto, algoritmo de selección del conjunto, nueva métrica propuesta, importancia de la rama, capacidad de generalización del conjunto, llamada ganancia de importancia, rama del árbol
• Keywords:ensemble accuracy, decision tree, proposed methods, ensemble size, ensemble selection algorithm, novel proposed metric, importance of branch, ensemble generalization ability, called importance gain, branch of tree