Selección de características mediante la combinación de métodos para evaluar la precisión de clasificación en un conjunto de datos de implantes dentales

Abstract

La selección de características es una técnica de preprocesamiento que permite encontrar un conjunto reducido de características, el cual concentra la información más sustancial del conjunto de datos. En este trabajo, se propone un procedimiento para la selección de las características más relevantes de un conjunto de datos de implantes dentales, de la Provincia de Misiones, Argentina. Se basa en la combinación de los métodos Information Gain, Gain Ratio, Random Forest importance, Relief y ChiSquared con el fin de predecir la clase minoritaria (Fracaso). El rendimiento del procedimiento propuesto se evaluó no sólo mediante la precisión de clasificación, en cuanto a las medidas de rendimiento tnr y bac de los clasificadores SVM rbf y Naive Bayes con validación cruzada, sino que también en base a la cantidad de características seleccionadas. Se observó que el procedimiento propuesto seleccionó la cantidad de características más adecuado para el estudio de caso y mejoró la precisión en la clasificación para la clase minoritaria.