Resumen

Los datos Universum, definidos como un conjunto de ejemplos no etiquetados que no pertenecen a ninguna clase de interés, han demostrado codificar cierto conocimiento previo al representar información significativa en el mismo dominio que el problema en cuestión. Los datos Universum han demostrado su eficacia para mejorar el rendimiento del aprendizaje en muchas tareas, como la clasificación y la agrupación. Inspirados por su favorable rendimiento, en este trabajo abordamos un nuevo problema de selección semisupervisada de características, denominado selección semisupervisada de características con Universum, que puede explotar simultáneamente los datos no etiquetados y los datos Universum. Se presentan experimentos con varios conjuntos de datos UCI para demostrar que los algoritmos propuestos pueden alcanzar rendimientos superiores a los métodos convencionales no supervisados y supervisados.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Datos Universum; conocimiento previo; rendimiento del aprendizaje; selección semisupervisada de características; datos no etiquetados; conjuntos de datos UCI.
• Keywords:Universum data; prior knowledge; learning performance; semisupervised feature selection; unlabeled data; UCI data sets