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##
The articles are licensed under a Creative Commons CC BY 4.0 open access licence, which means that anyone can download and read the article free of charge. In addition, the article may be reused and cited as long as the original published version is cited. These conditions allow for maximum use and exposure of the work, while ensuring that the authors receive proper credit.
- Esta obra está bajo una
Licencia Creative Commons Atribución 4.0 Internacional
- .