Data mining utilizando redes neuronales

Abstract

Las Redes Neuronales son ampliamente utilizadas para tareas relacionadas con reconocimiento de patrones y clasificación. Aunque son clasificadores muy precisos, no son comúnmente utilizadas para Data Mining porque producen modelos de aprendizaje inexplicables. El algoritmo TREPAN extrae hipótesis explicables de una Red Neuronal entrenada. Las hipótesis producidas por el algoritmo se representan con un árbol de decisión que aproxima a la red. Los árboles de decisión extraídos por TREPAN no pueden describir predicciones de Redes Neuronales entrenadas para realizar tareas de regresión y, algunas veces, los árboles de decisión extraídos no son lo suficientemente concisos. En el presente trabajo se presentan dos nuevos algoritmos de extracción de reglas que construyen árboles difusos y árboles modelo a partir de una Red Neuronal entrenada, para ser utilizados en aquellos dominios en los que el árbol de decisión no es lo suficientemente conciso, o no describe correctamente el método de clasificación de la Red Neuronal que realiza tareas de regresión. Con estos nuevos métodos es posible comprender el método de clasificación de una Red Neuronal entrenada para un rango de dominios no cubierto por TREPAN.