Implementación de Técnicas Boosting en el Sistema Estadístico R

Resumen

"Boosting" denota un método general cuyo objetivo es el de potencia o aumentar ("boost") la precisión de un determinado algoritmo de aprendizaje. por ejemplo uno basado en una red de neuronas artificiales o bien cualquier otro basado en modelos estadísticos o de la Inteligencia Artificial. Fue propuesto por investigadores en Teoría de Aprendizaje Computacional a partir del planteamiento de la cuestión de si un algoritmo "débil' podía ser reforzado para convertirse en un algoritmo de aprendizaje "'fuerte" Posteriormente Freund y Schapire ( 1996, 1996b) desarrollaron métodos boosting con propiedades interesantes desde el punto de vista teórico. Mientras que los primeros y alentadores experimentos con estos métodos fueron realizados sobre tareas OCR. El sistema R es un entorno integrado de software estadístico que cuenta con un potente lenguaje de programación. Lo que permite desarrollar aplicaciones basadas en el uso de técnicas modernas de análisis de datos, todo ello además con la gran ventaja de ser un sistema de libre distribución para el que se han ido construyendo una gran diversidad de librerías estadísticas y matemáticas. R (Venables y Smith, 2002) además es un sistema orientado a objeto y existen desarrollos orientados a aspectos como los interfaces con otros sistemas, paralelización y distribución de cálculos biocomputación,. etc. En este trabajo se presenta una implementación sobre R de las técnicas boosting aplicadas sobre modelos de clasificación mediante Redes de Neuronas Artificiales (Cheng y Titterington. 199·t Ripley.1996). Se ilustra su funcionamiento sobre varios casos prácticos, detallándose los aspectos fundamentales relacionados con su uso.