Algoritmo de adaptación IBLR-ML para problemas de aprendizaje multi-etiquetas integrado a la herramienta computacional scikit-multilearn

Abstract

El volumen de información digital que se almacena y crece considerablemente en la era actual, dentro la cual existen terabytes de datos inútiles, por lo que se ha llegado a la necesidad de no solo poder almacenar y obtener los datos con eficiencia, sino también obtener conocimiento útil. En los últimos años el aprendizaje multi-etiqueta se ha utilizado con el fin de poder clasificar esta información y facilitar su uso. Por tal razón, ha surgido la necesidad de utilizar algoritmos de clasificación multi-etiqueta con enfoque de adaptación basado en instancias para realizar tareas de aprendizaje automático y análisis de datos. El presente trabajo se fundamenta en la implementación del algoritmo IBLR-ML de métodos de adaptación basado en instancias en la herramienta computacional de Python scikit-multilearn para ser incluirlo en la biblioteca especializada que posee esta plataforma en la clasificación multi-etiqueta como los algoritmos de MLknn y BRknn. Para la solución planteada se utilizan como entorno de desarrollo PyCharm en su versión 2017.2.2 que trabaja con el lenguaje de programación Python. Por último, el algoritmo desarrollado fue entrenado mostrando una salida satisfactoria dejando claro su efectividad aplicándoles las pruebas; validación cruzada y la de Friedman.

The volume of digital information that is stored and is growing considerably in the current era, in which there are terabytes of useless data, which has led to the need not only to store and obtain data efficiently, but also to obtain useful knowledge. In recent years, multi-label learning has been used in order to classify this information and facilitate its use. For this reason, the need has arisen to use multi-label classification algorithms with an instance-based adaptive approach to perform automatic learning and data analysis tasks. The present work is based on the implementation of the IBLR-ML algorithm of instance-based adaptation methods in the Python scikit-multilearn computational tool for inclusion in the specialized library that this platform has in the multi-label classification as MLknn and BRknn algorithms. For the proposed solution, the PyCharm development environment is used in its 2017.2.2.2 version, which works with the Python programming language. Finally, the algorithm developed was trained showing a satisfactory outcome by making clear its effectiveness by applying the tests; cross validation and Friedman's validation.