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##
Resumen
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##
Los artículos tienen una licencia de acceso abierto Creative Commons CC BY 4.0, lo que significa que cualquiera puede descargar y leer el artículo de forma gratuita. Además, el artículo podrá ser reutilizado y citado siempre que se cite la versión original publicada. Estas condiciones permiten el máximo uso y exposición del trabajo, al tiempo que garantizan que los autores reciban el crédito adecuado.
Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.