LA TEORÍA DE LOS CONJUNTOS APROXIMADOS Y LAS TÉCNICAS DE BOOSTRAP PARA LA EDICIÓN DE CONJUNTOS DE ENTRENAMIENTO. SU APLICACIÓN EN EL PRONÓSTICO METEOROLÓGICO

Un conjunto de entrenamiento es una muestra de datos para el entrenamiento de clasificadores. Estos datos, están expuestos al adquirir su conocimiento, a tener prototipos erróneamente etiquetados, lo que implica un aprendizaje infructuoso en su aplicación. La selección de los objetos de un dominio a incluir en un conjunto de entrenamiento es un problema presente en todos los modelos computacionales que realizan inferencias a partir de ejemplos. La edición de un conjunto de entrenamiento se hace con el objetivo de eliminar los prototipos que inducen a una incorrecta clasificación supervisada, seleccionando un conjunto de referencia representativo y reducido. Las técnicas de edición, también producen la eliminación de prototipos, y con ello, la reducción de la matriz de aprendizaje. En este trabajo se propone un nuevo algoritmo con estos propósitos EDITBRS. Se validan los resultados del mismo en el problema real del pronóstico de las temperaturas en la estación meteorológica de la U.P.T.C., Colombia.