Aplicación de Técnicas de Minería de Datos para la Indagación y Estudio de Resultados Electorales
##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Abstract
En esta investigación se trata un problema de Minería de Datos, utilizando técnicas de aprendizaje supervisado y no supervisado. Se estudió un conjunto de datos reales de las elecciones presidenciales del 28 de abril de 2009, correspondientes a la zona No. 3 (provincias de Cotopaxi, Chimborazo, Tungurahua y Pastaza). El problema se dividió en dos partes. La primera, fue la selección de las Juntas Receptoras del Voto más representativas y la segunda, el análisis de distribución del voto. Los algoritmos de aprendizaje supervisado que se utilizaron fueron DesicionStrump, j48, LMT y perceptrón multicapa.
Los algoritmos de aprendizaje no supervisado fueron EM (Expectation Maximization) y K-Medias. Las herramientas utilizadas fueron Crementine y Weka, un programa de código abierto, que proporciona una gran variedad de algoritmos de aprendizaje muy útiles en la Minería de Datos. Durante el proceso se crearon los programas: Preprocesamiento.java, Resultado.java, PorMesa.java, PorMesaGana.java y Distancias.java.
##plugins.themes.bootstrap3.article.details##
This license inidicates that:
You are free to:
- Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
- Adapt — remix, transform, and build upon the material for any purpose, even commercially.
- The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
- Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
- No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.