Métodos de clasificación supervisada en series temporales

Una serie de tiempo se puede definir como una secuencia de medidas a lo largo del tiempo que describen el comportamiento de cierto sistema. El mismo puede cambiar a lo largo del tiempo debido a cambios tanto internos como externos, permitiendo así distinguir diferentes estados o condiciones del sist...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Ruiz Suarez, Sofia, Leos Barajas, Vianey, Morales, Juan Manuel
Formato: Objeto de conferencia Resumen
Lenguaje:Español
Publicado: 2018
Materias:
Ciencias Informáticas
dependencia temporal
machine learning
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/72791
http://47jaiio.sadio.org.ar/sites/default/files/LatinR_54.pdf
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-72791
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
dependencia temporal
machine learning
spellingShingle Ciencias Informáticas
dependencia temporal
machine learning
Ruiz Suarez, Sofia
Leos Barajas, Vianey
Morales, Juan Manuel
Métodos de clasificación supervisada en series temporales
topic_facet Ciencias Informáticas
dependencia temporal
machine learning
description Una serie de tiempo se puede definir como una secuencia de medidas a lo largo del tiempo que describen el comportamiento de cierto sistema. El mismo puede cambiar a lo largo del tiempo debido a cambios tanto internos como externos, permitiendo así distinguir diferentes estados o condiciones del sistema. El problema de clasificación en este caso tiene como objetivo tanto reconocer los instantes de cambio de estado en el sistema como las categorías de los mismos. Existe una variedad de campos en donde este problema es aplicable, por ejemplo en medicina para reconocer distintos ritmos o frecuencias cardíacas de un paciente según un electrocardiograma; en computación para el problema del reconocimiento de voz e incluso en ecología para el reconocimiento de comportamientos en animales a partir de acelerómetros y GPS. Diferentes enfoques y metodologías pueden ser utilizados con este propósito, y dependerá de los datos disponibles y la naturaleza de los mismos su verdadera utilidad. Metodologías del tipo Machine Learning, tales como Random Forest o Support Vector Machines han sido utilizadas con éxito para resolver problemas de clasificación. Sin embargo, estas metodologías tal cual se presentan no consideran la temporalidad de los datos, por lo que es necesario agregar esta condición dentro del análisis. Los modelos hidden Markov model son una alternativa para este problema. Estos modelos de serie de tiempo estocástico incluyen la configuración temporal dentro de su estructura, lo que los hace una alternativa potente para resolver este problema. Mediante simulaciones en R comparamos estos dos enfoques y exponemos las fortalezas y limitaciones de ambos. Estudiamos las consecuencias de aplicar técnicas suponiendo independencia temporal y analizamos los escenarios en donde es posible aplicar estas técnicas para la clasificación de series temporales.
format Objeto de conferencia
Resumen
author Ruiz Suarez, Sofia
Leos Barajas, Vianey
Morales, Juan Manuel
author_facet Ruiz Suarez, Sofia
Leos Barajas, Vianey
Morales, Juan Manuel
author_sort Ruiz Suarez, Sofia
title Métodos de clasificación supervisada en series temporales
title_short Métodos de clasificación supervisada en series temporales
title_full Métodos de clasificación supervisada en series temporales
title_fullStr Métodos de clasificación supervisada en series temporales
title_full_unstemmed Métodos de clasificación supervisada en series temporales
title_sort métodos de clasificación supervisada en series temporales
publishDate 2018
url http://sedici.unlp.edu.ar/handle/10915/72791
http://47jaiio.sadio.org.ar/sites/default/files/LatinR_54.pdf
work_keys_str_mv AT ruizsuarezsofia metodosdeclasificacionsupervisadaenseriestemporales
AT leosbarajasvianey metodosdeclasificacionsupervisadaenseriestemporales
AT moralesjuanmanuel metodosdeclasificacionsupervisadaenseriestemporales
bdutipo_str Repositorios
_version_ 1764820483178496005

Ejemplares similares