Extracción de reglas borrosas en problemas de clasificación multiatributo. El enfoque NEFCLASS

Resumen

En este trabajo, se propone una nueva metodología para realizar clasificaciones tipo ABC multiatributo. Tradicionalmente, este tipo de problemas puede ser abordado desde una perspectiva estadística de análisis de datos, bien de modo univariante mediante clasificaciones Pareto, o de modo multivariante con técnicas de análisis cluster y métodos discriminantes. Posteriormente, diferentes herramientas de inteligencia artificial se propusieron para resolver este tipo de problemas de clasificación. En particular, el empleo de redes neuronales artificiales permite mejorar el comportamiento de clasificación a partir del aprendizaje de casos previos. No obstante, lo impenetrable de los modelos basados en redes neuronales, pese a su buen funcionamiento, hace que el modelo de clasificación subyacente no sea interpretable. Por ello, la extracción de reglas borrosas con el modelo NEFCLASS (NEuro Fuzzy CLASSification) a partir del aprendizaje de casos clasificados previamente, apunta una nueva vía de estudio en este sentido. Para comprobar la fiabilidad del modelo se realiza un análisis comparativo con la clasificación heurística realizada por un experto para un conjunto de 189 referencias mediante el análisis de cinco atributos de entrada y se analiza el conocimiento de clasificación obtenido con este sistema. Palabras clave: Reglas Borrosas. Nefclass. Clasificación multiatributo.