Métodos efectivos de codificación de datos categóricos para algoritmos de inteligencia artificial
Autores: Bolikulov, Furkat; Nasimov, Rashid; Rashidov, Akbar; Akhmedov, Farkhod; Cho, Young-Im
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Métodos efectivos de codificación de datos categóricos para algoritmos de inteligencia artificial
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Inteligencia artificial
Algoritmos
Datos
Numéricos
Datos categóricos
Métodos de codificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Se sabe que los algoritmos de inteligencia artificial se basan en cálculos realizados mediante diversas operaciones matemáticas. Para que estos procesos de cálculo se lleven a cabo correctamente, algunos tipos de datos no se pueden alimentar directamente en los algoritmos. En otras palabras, los datos numéricos deben ser introducidos en estos algoritmos, pero no todos los datos en los conjuntos de datos recopilados para algoritmos de inteligencia artificial son siempre numéricos. Estos datos pueden no ser cuantitativos pero pueden ser importantes para el estudio en consideración. Es decir, estos datos no se pueden desechar. En tal caso, es necesario transferir los datos categóricos a tipo numérico. En este trabajo de investigación, se consideraron 14 métodos de codificación para transformar datos categóricos. Al mismo tiempo, se presentan conclusiones sobre las condiciones generales de uso de estos métodos. Durante la investigación, los datos categóricos en el conjunto de datos que se recopilaron para evaluar si es posible otorgar crédito a los clientes se transformarán en base a 14 métodos. Después de aplicar cada método de codificación, se realizan pruebas experimentales basadas en el algoritmo de clasificación y se evalúan. Al final del estudio, se discuten los resultados de las pruebas experimentales y se presentan las conclusiones de la investigación.
Descripción
Se sabe que los algoritmos de inteligencia artificial se basan en cálculos realizados mediante diversas operaciones matemáticas. Para que estos procesos de cálculo se lleven a cabo correctamente, algunos tipos de datos no se pueden alimentar directamente en los algoritmos. En otras palabras, los datos numéricos deben ser introducidos en estos algoritmos, pero no todos los datos en los conjuntos de datos recopilados para algoritmos de inteligencia artificial son siempre numéricos. Estos datos pueden no ser cuantitativos pero pueden ser importantes para el estudio en consideración. Es decir, estos datos no se pueden desechar. En tal caso, es necesario transferir los datos categóricos a tipo numérico. En este trabajo de investigación, se consideraron 14 métodos de codificación para transformar datos categóricos. Al mismo tiempo, se presentan conclusiones sobre las condiciones generales de uso de estos métodos. Durante la investigación, los datos categóricos en el conjunto de datos que se recopilaron para evaluar si es posible otorgar crédito a los clientes se transformarán en base a 14 métodos. Después de aplicar cada método de codificación, se realizan pruebas experimentales basadas en el algoritmo de clasificación y se evalúan. Al final del estudio, se discuten los resultados de las pruebas experimentales y se presentan las conclusiones de la investigación.