Herramienta para la creación de datos sintéticos en problemas de predicción con salidas múltiples integrado en MULAN

Abstract

En muchas aplicaciones prácticas del aprendizaje supervisado, la tarea implica la predicción de múltiples variables objetivo a partir de un conjunto común de variables de entrada. Cuando los objetivos de predicción son binarios, la tarea se denomina Multi-Label Classification, mientras que cuando los objetivos son continuos, la tarea se denomina Multi-Target Regression. En la actualidad solo existen 18 conjuntos de datos destinados a esta última tarea, todos muy similares, en su mayoría con pocos datos, y siempre con menos atributos que instancias. Para contrarrestar esta problemática se desarrolla una herramienta informática para la creación de datos sintéticos en problemas de predicción con salidas múltiples integrado en MULAN. Para ello se utilizó como IDE Netbeans v8.2, como lenguaje de programación JAVA 8. Además, se realizaron las pruebas de Friedman y Bonferroni-Dunn utilizando como medida el Average Relative RMSE. Los resultados de una evaluación experimental llevada a cabo en una diversa colección de conjuntos de datos muestran que existen diferencias significativas entre los algoritmos que resuelven problemas de tipo Multi-Target Regression cuando los conjuntos de datos tienen más atributos que instancias.