MODELOS
DE APRENDIZAJE AUTOMÁTICO: APLICACIÓN Y EFICIENCIA
Josselyn Nicolle Mendoza Álava
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López
josselyn.mendoza@espam.edu.ec
Calceta, Ecuador
Luis Antonio Macías Bermeo
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López
luismaciasantonio2000@gmail.com
Calceta, Ecuador
Jessica Morales-Carrillo
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López
jmorales@espam.edu.ec
Calceta, Ecuador
Luis Cedeño-Valarezo
Escuela Superior Politécnica Agropecuaria de Manabí Manuel Félix López
lcedeno@espam.edu.ec
Calceta, Ecuador
DOI: https://doi.org/10.56124/encriptar.v7i14.005
RESUMEN
Existe una gran cantidad de sistemas que se estudian y se
desarrollan en el campo del aprendizaje automático y la inteligencia
artificial, lo que sin duda ha logrado transformar una multitud de industrias y
aplicaciones en todo el mundo. El propósito de este estudio radica en una
revisión exhaustiva de 120 artículos, donde se destaca la diversidad de tipos
de datos utilizados en el aprendizaje automático, desde datos estructurados
como tablas y series temporales hasta datos no estructurados como imágenes y texto,
identificando su aplicación óptima en los diversos contextos y aplicaciones.
Para el desarrollo de esta investigación se llevó a cabo una revisión
sistemática de la literatura, originada por la búsqueda de los modelos
computacionales utilizados en distintos ámbitos del conocimiento humano; se
procedió con ejecución de la búsqueda donde se realiza la extracción de datos,
describiendo cada uno de los campos considerados para el análisis de la
información; se procesó y analizaron los datos considerando los modelos con
mayor frecuencia de uso y sus métricas de rendimiento. Los resultados de esta
investigación destacan la preferencia del modelo de Máquinas de Soporte
Vectorial como el más frecuentemente empleado en variedad de aplicaciones, así
mismo la investigación también revela que, en términos de eficiencia y
precisión los modelos Gradient Boosting y Redes Neuronales Artificiales,
sobresalen significativamente. Estos resultados evidencian la importancia de
una colaboración interdisciplinaria y la necesidad de aplicación adecuada para
garantizar que el aprendizaje automático y la inteligencia artificial sigan
siendo motores para el avance tecnológico.
Palabras clave: aprendizaje
automático, inteligencia artificial, tipos de modelos.
MACHINE LEARNING MODELS:
APPLICATION AND EFFICIENCY
ABSTRACT
There are many systems that are
studied and developed in the field of machine learning and artificial
intelligence which are constantly evolving fields that have transformed a
multitude of industries and applications around the world. The purpose of this
study lies in a comprehensive review of 120 articles, highlighting the
diversity of data types used in machine learning, from structured data such as
tables and time series to unstructured data such as images and text. To develop
this research, a systematic review of the literature was carried out,
originating from the search for computational models used in different areas of
human knowledge; The search proceeded with the execution of the data
extraction, describing each of the fields considered for the analysis of the
information; The data was processed and analyzed considering the models with
the highest frequency of use and their performance metrics. The results of this
research highlight the preference of the Support Vector Machines model as the
most frequently used in a variety of applications. Likewise, the research also
reveals that, in terms of efficiency and precision, the Gradient Boosting and
Artificial Neural Networks models stand out significantly. These results
evidence the importance of interdisciplinary collaboration and the need for
proper application to ensure that machine learning and artificial intelligence
continue to be drivers for technological advancement.
Keywords: machine learning, artificial intelligence, types
of models.
1. Introducción
La inteligencia artificial
(IA) ha revolucionado nuestra forma de interactuar con la tecnología y ha
impactado en diversos sectores de la sociedad
La IA abarca una amplia gama
de áreas de investigación y aplicaciones que permiten a las máquinas simular la
inteligencia humana
El Aprendizaje Automático
(Machine Learning) es un área fundamental de la Inteligencia Artificial que ha
transformado nuestra capacidad para procesar y comprender datos de manera
automatizada. Mediante el uso de algoritmos y modelos matemáticos, el Aprendizaje
Automático permite a las máquinas aprender de los datos sin ser programadas
explícitamente. (Tandon et al., 2019). Para hacer un modelo de aprendizaje
automático, se necesita los datos sobre los que se puede hacer el modelo.
Existen diferentes modelos de
aprendizajes, entre los más destacados se encuentran: aprendizaje supervisado,
aprendizaje no supervisado, aprendizaje semisupervisado y el aprendizaje de
refuerzo
Los modelos son
representaciones simplificadas de sistemas o fenómenos complejos que permiten
comprender, predecir y tomar decisiones
Las métricas que se pueden
usar para validar un modelo de regresión cumplen un papel fundamental en la
evaluación del desempeño y la precisión del modelo en relación con los datos de
prueba o validación
El propósito fundamental de
esta investigación radica en llevar a cabo un análisis bibliográfico profundo y
abarcador de los modelos de aprendizaje automático que son ampliamente
adoptados y utilizados con frecuencia. Este análisis tiene como finalidad establecer
una referencia sólida y esclarecedora para futuras investigaciones que aborden
el procesamiento y análisis de conjuntos de datos.
2. Metodología
Para el desarrollo de esta
investigación se llevó a cabo una revisión sistemática de la literatura,
originada por la búsqueda de los modelos computacionales utilizados en
distintos ámbitos del conocimiento humano. La revisión de la literatura es una
fase imprescindible en cualquier trabajo de investigación, puesto que ayuda a
situar la investigación y a sustentar teórica y conceptualmente a partir de lo
que otros investigadores e investigadoras han escrito previamente sobre la
temática (Arnau Sabatés & Sala Roca, 2020).
Se aplicó las tres etapas de
la Revisión Sistemática (Carrizo & Moller, 2018), mismas que se detallan a
continuación:
Definición para la búsqueda
Se inició con la
investigación de los modelos de aprendizaje automático más utilizados y su
eficiencia para establecer una línea base en investigaciones relacionadas, las
comprensión de las técnicas y enfoques que han demostrado ser efectivos en una
amplia gama de problemas, es recomendable adaptar el análisis a la tarea o
problema específico en cuestión y considerar factores como la disponibilidad de
datos, se pueden utilizar técnicas como el análisis bibliométrico, que implican
analizar la frecuencia de aparición de ciertos modelos en publicaciones
científicas y la cantidad de citas que reciben. Además, es posible realizar
estudios comparativos en los que se evalúan diferentes modelos utilizando
conjuntos de datos.
Es importante destacar que
cada plataforma de búsqueda académica o base de datos puede tener su propia
sintaxis y características para realizar búsquedas más avanzadas, como la
combinación de palabras claves cuando se recopilan y preparan los datos relevantes
para las búsquedas de artículos en el campos, es común utilizar palabras clave
específicas para dirigir la búsqueda hacia los temas de interés, se emplearon
las siguientes palabras claves: Aprendizaje automático, Inteligencia artificial
y Tipos de modelos.
Las mismas que se usaron en
la base de datos, es el que delimita las fuentes de información o bases de
datos más pertinentes en función del ámbito disciplinario es aquí donde se
realizó la revisión del tema de estudio a través de buscadores genéricos como:
Google Scholar, Scielo, Redalyc, Dialnet, IEEE, Google Académica, estas bases
de datos son herramientas valiosas para los investigadores y académicos, ya que
permiten acceder a una amplia gama de contenido académico y científico para
llevar a cabo investigaciones, realizar revisiones bibliográficas y estar al
tanto de los avances en sus respectivas áreas de estudio. Cada una de estas
bases de datos tiene sus propias características y alcance, por lo que es
recomendable explorarlas y utilizarlas según sus necesidades específicas.
Un desafío clave en la construcción
de sistemas de aprendizaje automático es la necesidad de incluir datos diversos
y representativos, entre más acceso a información de alta calidad que se adapte
a las intenciones del modelo, mayor será la exactitud, de acuerdo con lo
expuesto, se logró identificar más de 400 artículos pero se excluyeron algunos
artículos, ya que habían tema relacionado con la inteligencia artificial pero
no tenía relación con las métricas, los tipos de modelos y otros datos
relevante para la investigación; solo 120 artículos especificaba en la
información requerida de lo que se buscaba .
Ejecución de la búsqueda
A continuación, se muestran
los campos que se tomaron en cuenta para la extracción de información de los
120 artículos. En la tabla 1 se describen cada uno de los campos considerados
para el análisis de la información. Los atributos más relevantes fueron: Año,
tema, autores, categoría, sigas modelos, nombre de modelo, modelo base, tipo de
dataset, precisión, accuracy, f1, recall, error MAE, error MSE, G-mean, AUC,
url y observaciones de la investigación.
Para llevar a cabo un
análisis exhaustivo de los trabajos primarios seleccionados, se han establecido
criterios de inclusión precisos. En cuanto al idioma, se han considerado tanto
trabajos en inglés como en español, con el propósito de abarcar una amplia
diversidad de fuentes y perspectivas. En lo que respecta a la diversidad de
foco, se ha priorizado la inclusión de trabajos que traten temáticas
relacionadas con el aprendizaje automático (machine learning). Esto garantiza
que los trabajos seleccionados se alinean con el objetivo de la investigación y
permitan profundizar en los desarrollos más recientes y relevantes en este
campo.
En términos del tipo de
publicación, se han tomado en consideración fuentes respetadas y confiables
como Scielo, Redalyc, Dialnet, IEEE y Google Académico. Esta elección de
fuentes de renombre asegura la calidad y la rigurosidad de los trabajos
incluidos en el análisis. Además, se ha limitado el rango de Año de Publicación
a partir de 2018 en adelante. Esto permite que se examinen investigaciones
recientes, lo que es crucial para capturar las tendencias actuales y las
novedades en el ámbito del aprendizaje automático. Con estos criterios
específicos, se busca establecer una base sólida para un análisis detallado y
una visión integral de los avances en el aprendizaje automático en los últimos
años.
Tabla 1 – Campos que se consideran en la
recopilación de información
|
Descripción |
|
|
Año |
Se refiere al año en que se registró o se realizó una determinada
observación o medición, es decir en qué año se publicó el artículo. |
|
Tema |
Se refiere al área de interés, título o materia de la que trata la
información registrada en el conjunto de datos. |
|
Autor(es) |
Se refiere a la persona o personas que han creado o recopilado la
información contenida en el conjunto de datos. |
|
Categoría |
Se refiere al tipo de modelos que se utilizó regresión o clasificador. |
|
Siglas modelos |
Son las abreviaciones utilizadas para identificar diferentes modelos |
|
Nombre de modelo |
Se refiere a los nombres de los diferentes modelos o sistemas que se
han utilizado para generar o analizar la información contenida en el conjunto
de datos. |
|
Modelo Base |
Se refiere al modelo inicial utilizado como punto de partida en el
desarrollo de modelos más complejos y precisos en el campo del aprendizaje
automático. |
|
Tipo de Dataset |
Se refiere al conjunto de datos en función de sus características y
propósitos principales, del cual estaban los datos numéricos, gráficos e
imágenes. |
|
Precision |
Es la medida de evaluación de la calidad de un modelo de clasificación
en machine learning, y se utiliza para evaluar qué tan bien el modelo
identifica correctamente los verdaderos positivos entre todos los positivos predichos. La fórmula para calcular la precisión es:
Donde: Verdaderos positivos (True Positives, TP) son los casos en que el modelo predijo correctamente una
clase positiva. Falsos positivos (False Positives, FP)
son los casos en que el modelo predijo incorrectamente una clase positiva
cuando en realidad era negativa. |
|
Accuracy |
Esta medida se utiliza para evaluar qué tan bien el modelo clasifica
correctamente todas las clases, tanto las positivas como las negativas. La fórmula para calcular el accuracy es:
Donde: Verdaderos positivos (True Positives, TP) son los casos en que el modelo predijo correctamente una
clase positiva. Falsos positivos (False Positives, FP)
son los casos en que el modelo predijo incorrectamente una clase positiva
cuando en realidad era negativa. Verdaderos negativos (True Negatives, TN) son los casos en que el modelo predijo correctamente una
clase negativa. Falsos negativos (False Negatives, FN)
son los casos en que el modelo predijo incorrectamente una clase negativa
cuando en realidad era positiva |
|
F1 |
Es la métrica de evaluación de modelos de clasificación que combina la
precisión y el recall. La precisión mide la proporción de predicciones
positivas que son correctas, mientras que el recall mide la proporción de
casos positivos que son identificados correctamente por el modelo. La fórmula de la F1-score es:
Dónde la precisión es la proporción de verdaderos positivos sobre la
suma de verdaderos positivos y falsos positivos, y recall es la proporción de
verdaderos positivos sobre la suma de verdaderos positivos y falsos
negativos. |
|
Recall |
Es la métrica de evaluación de modelos de clasificación que mide la
proporción de casos positivos que son identificados correctamente por el
modelo. En otras palabras, el recall mide
la capacidad del modelo para encontrar todos los casos positivos. La fórmula de la recall es:
Donde los verdaderos positivos son los casos positivos que el modelo
identifica correctamente y los falsos negativos son los casos positivos que
el modelo clasifica incorrectamente como negativos. |
|
Error MAE |
Es la métrica que se utiliza para evaluar la precisión de un modelo.
Esta métrica mide la diferencia absoluta promedio entre las predicciones del
modelo y los valores reales en el conjunto de datos. La fórmula del MAE es:
Donde n es el número de muestras en el conjunto de datos, yi son los valores reales de las
muestras y ŷi son las predicciones
del modelo para las muestras correspondientes. La barra vertical | | indica
el valor absoluto. |
|
Error MSE |
Es utilizada para evaluar la precisión de un modelo. Esta métrica mide
el promedio de las diferencias cuadráticas entre las predicciones del modelo
y los valores reales en el conjunto de datos elevado al cuadrado. La fórmula del MSE es:
Donde n es el número de muestras en el conjunto de datos, yi son los valores reales de las
muestras y ŷi son las predicciones
del modelo para las muestras correspondientes. Para obtener una medida más fácilmente interpretable, se puede
calcular la Raíz del Error Cuadrático Medio (RMSE), que es la raíz cuadrada
del MSE:
El RMSE se expresa en las
mismas unidades que las variables de la variable objetivo y, por lo tanto, es
más fácil de interpretar en términos de la magnitud del error en las
predicciones del modelo. |
|
G-mean |
También conocido como Geometric Mean Score, es una métrica utilizada
para evaluar la eficacia de modelos de clasificación en conjuntos de datos
desequilibrados. El G-mean es la raíz cuadrada del producto de la
sensibilidad (recall) y la especificidad del modelo. La fórmula del G-mean es:
Donde la sensibilidad mide la proporción de casos positivos que son
identificados correctamente por el modelo, y la especificidad mide la
proporción de casos negativos que son identificados correctamente por el
modelo. La sensibilidad se calcula como:
Mientras que la especificidad se calcula como:
|
|
AUC |
(Area Under the Curve) es una métrica utilizada para evaluar la
eficacia de modelos de clasificación en conjuntos de datos desequilibrados.
El AUC mide la capacidad del modelo para distinguir entre clases positivas y
negativas en el conjunto de datos, independientemente del umbral de decisión
utilizado para hacer las predicciones. La fórmula del AUC es: AUC = integral (sensibilidad
(tasa positiva verdadera) d(especificidad (tasa negativa verdadera))) |
|
URL |
Se refiere a la dirección web que es una cadena de caracteres que
identifica una ubicación en internet de un recurso específico, como una
página web. |
|
Observación |
Son los datos que se agregan o se recolectan en un estudio y son
fundamentales para la toma de decisiones basada en los datos de análisis. |
En esta investigación, se
llevó a cabo la identificación y descripción de los modelos definidos en los
artículos seleccionados, así como la determinación de un "modelo
base" para el análisis comparativo.
Para identificar el modelo
base en esta investigación, se siguió un proceso riguroso de análisis. Se
comenzó identificando todos los modelos definidos en los artículos
seleccionados, lo que resultó en un conjunto inicial de 65 modelos diferentes.
Sin embargo, para facilitar la comparación y el análisis, estos modelos se
categorizaron en función de sus características y propiedades comunes.
Este proceso de
categorización permitió reducir el conjunto inicial de 65 modelos a un grupo
más manejable de 13 modelos base. Estos modelos base incluían una variedad de enfoques, como Random Forest
(RF), Support Vector Machine (SVM), k-Nearest Neighbors (KNN), Decision Tree
(DT), Artificial Neural Network (ANN), Naive Bayes (NB), Logistic Regression
(LR), Multilayer Perceptron (MLP), Regularized Linear (RL), Convolutional
Neural Network (CNN), Gradient Boosting (GB), y Recurrent Neural Network (RNN).
La selección de estos 13
modelos base se fundamentó en la representatividad de los diferentes enfoques y
en la capacidad de estos para abordar una amplia variedad de problemas en el
campo del aprendizaje automático. Estos modelos base se convirtieron en los
puntos de referencia para comparar y evaluar el rendimiento de otros modelos y
enfoques específicos en el análisis comparativo.
Discusión de los resultados
Después de realizar la
revisión sistemática y recopilar los datos relevantes, se procedió a realizar
un análisis de los datos cuantitativos obtenidos. Este análisis se enfoca en
los modelos que tienen mayor frecuencia de uso y también se evalúan las métricas
de rendimiento, se identificaron varios modelos de aprendizaje automático
utilizados en diferentes contextos, los modelos identificados incluyen, entre
otros, redes neuronales, árboles de decisión, máquinas de vectores de soporte
(SVM) y algoritmos de agrupamiento como k-means etc.
En la tabla 2 se muestra la
cantidad de modelo base identificados y sus frecuencias encontradas, los
modelos que se identificaron durante la investigación, así como la frecuencia
con la que aparecen en los datos recopilados, también se realizó un análisis y
en la tabla 3 se analiza los tipos de datos, en este caso se tomaron datos de
porcentajes, ya que había artículos que utilizaron múltiples tipos de datos en
una sola investigación, como se indica en la tabla 4 del documento se presenta
un análisis detallado sobre las diversas aplicaciones a las que se destinan los
modelos que se han estudiado, este análisis puede proporcionar una visión
general de las áreas o contextos en los que estos modelos son más comunes o
relevantes, en la tabla 5, se presenta información relacionada con los tipos de
datos utilizados en relación con clasificadores y regresión en un contexto de
aprendizaje automático, se detalla cómo se han empleado diferentes tipos de
datos en la construcción o evaluación de clasificadores y modelos de regresión
en un estudio o investigación particular. Con esta información analizada, se
obtuvieron los modelos de aprendizaje automático más utilizados y eficientes de
acuerdo con las diferentes métricas consideradas.
3. Resultados
Los resultados obtenidos a
partir de la aplicación del método seleccionado se describen a continuación.
Para llevar a cabo esta investigación sobre inteligencia artificial y los
modelos de aprendizaje automático, se realizó un proceso exhaustivo de búsqueda
y recopilación de artículos relacionados con el tema. Inicialmente, se
identificaron aproximadamente 400 artículos relevantes en diversas fuentes
académicas y bases de datos especializadas.
Es importante destacar que el
proceso de selección y clasificación de estos artículos se llevó a cabo con un
criterio riguroso para asegurar la inclusión de los trabajos más relevantes y
pertinentes al tema de investigación. Tras una revisión exhaustiva, se
clasificaron un total de 120 artículos que cumplían con los criterios de
selección. En el enlace a continuación se encuentra la tabla con los art’iculos
revisados: https://docs.google.com/spreadsheets/d/1L11___OWo__XdHS4jUirj7cvfJKTE6v9-Lv6PXXtcaM/edit?usp=sharing
Una vez identificados los
artículos relevantes, se procedió a la elección de aquellos específicos que
serían sometidos a un análisis detallado y a la clasificación de los modelos de
inteligencia artificial y aprendizaje automático que se alineaban de manera más
precisa con los objetivos de nuestra investigación. En esta fase, Datalor
desempeñó un papel crucial al proporcionar herramientas y recursos para obtener
resultados precisos y confiables. La plataforma Datalor permitió realizar un
análisis detallado de cada modelo, evaluando su idoneidad para nuestro estudio
en función de diversos criterios, como su capacidad de adaptación a conjuntos
de datos específicos, su eficacia en tareas particulares y su relevancia en el
contexto de nuestra investigación.
Datalore fue esencial en la
demostración gráfica de nuestros resultados. La plataforma brindó la capacidad
de visualizar de manera efectiva y atractiva los datos y conclusiones clave de
nuestro estudio. Esto no solo facilitó la comprensión de los resultados por
parte de nuestro público objetivo, sino que también enriqueció la presentación
de nuestra investigación con representaciones visuales. Gracias a las
capacidades de visualización de datos de Datalore, se pudo destacar patrones,
tendencias y hallazgos de manera convincente, lo que fortaleció aún más la
credibilidad de la investigación.
A continuación, se presentan
los resultados de manera estructurada y visualmente atractiva, utilizando
tablas y gráficas para transmitir de manera efectiva la información recopilada.
En la
tabla 2 muestra que en estas investigaciones se identificaron 13 modelos en el
aprendizaje automático en las búsquedas de los artículos de los cuales, es
importante notar que algunos modelos aparecen más frecuentemente que otros en
el conjunto de datos analizado.
Entre
los modelos más destacados, se encuentra el de Máquinas de Vectores de Soporte
(SVM), que aparece con mayor frecuencia, siendo mencionado en 73 ocasiones. Le
sigue Random Forest (RF) con 57 menciones, y la Red Neuronal Artificial (ANN)
con 43 menciones, destacándose como modelos ampliamente utilizados en las
investigaciones revisadas. Por otro lado, K-Means es el modelo menos frecuente,
mencionado en tan solo 2 ocasiones en el conjunto de datos analizado, lo que
indica su menor presencia en los estudios revisados. Este análisis proporciona
una visión clara de la popularidad y relevancia de los diferentes modelos de
aprendizaje automático en la literatura revisada.
Tabla 2 – Cantidad de
modelos identificados y sus frecuencias encontradas.
|
Frecuencias |
|
|
Máquinas
de vectores de soporte (SVM) |
73 |
|
Random Forest (RF) |
57 |
|
Red
Neuronal Artificial (ANN) |
43 |
|
Árbol
de decisión (DT) |
36 |
|
K-vecinos más
cercanos (KNN) |
34 |
|
Gradient
Boosting (GB) |
27 |
|
Regresión
logística (LR) |
27 |
|
Naive Bayes (NB) |
22 |
|
Aprendizaje
por refuerzo (RL) |
13 |
|
Perceptrón multicapa
(MLP) |
11 |
|
Red
neuronal convolucional (CNN) |
8 |
|
Red neuronal
Recurrente (RNN) |
5 |
|
K-Means |
2 |
Figura 1. Análisis de modelos de aprendizaje automático (AA) frente a diversas variables.
En la
Figura 1.b se presenta una representación gráfica de las frecuencias de los
modelos identificados en los artículos analizados. Se observa que la frecuencia
de mención de estos modelos varía considerablemente, lo que proporciona una
visión interesante de su prevalencia en la literatura revisada, además como los
datos con respecto a las métricas como Precision, Accuracy, F1, Recall,
Error MAE, Error MSE, G-mean estas
métricas permiten medir diferentes aspectos del desempeño de un modelo, como su
capacidad para clasificar correctamente, su nivel de precisión y su capacidad
para minimizar errores.
En
conjunto, estos resultados reflejan la diversidad de modelos utilizados en la
investigación de inteligencia artificial y aprendizaje automático. Algunos
modelos son claramente más prevalentes en la literatura científica que otros.
La recopilación de frecuencias y métricas proporciona información valiosa sobre
las tendencias en la selección de modelos en este campo, lo que podría influir
en las decisiones futuras de investigación y servir como guía para
investigaciones posteriores.
Tabla 3 – Análisis de los tipos de
datos.
|
Frecuencias |
Porcentajes |
Análisis |
|
|
Datos Numéricos |
99 |
74% |
Valores
cuantitativos utilizados en cálculos matemáticos, y predicción y toma de
decisiones. |
|
Imágenes |
18 |
14% |
Datos
visuales que representan una escena o un objeto. |
|
Gráficos estadísticos |
16 |
12% |
Representación
visual de datos numéricos utilizando gráficos. |
La
Tabla 3 presenta una visión detallada de los tipos de datos fundamentales que
se han utilizado en el contexto del aprendizaje automático. Estos resultados
proporcionan una valiosa perspectiva sobre la naturaleza de los datos empleados
en nuestro análisis.
En
primer lugar, los datos numéricos son el tipo de dato más prevalente,
representando un impresionante 74% del conjunto de datos. Esta predominancia es
coherente con la importancia de los datos cuantitativos en numerosos campos de
estudio, y subraya su relevancia en el análisis y la toma de decisiones
impulsados por el aprendizaje automático. Por otro lado, las imágenes
representan el 14% del conjunto de datos, desempeñando un papel crucial en
áreas que requieren análisis visual, como el procesamiento de imágenes y la
visión por computadora. Estos datos visuales tienen aplicaciones significativas
en el análisis exploratorio y en la resolución de problemas complejos.
Finalmente, los gráficos estadísticos contribuyen con un 12% del conjunto de
datos. Estos gráficos son esenciales para representar y comunicar eficazmente
patrones y tendencias en los datos, lo que los convierte en una herramienta
valiosa en el análisis y la presentación de resultados.
La presencia de esta diversidad de tipos
de datos subraya la complejidad y la riqueza de la investigación en el campo
del aprendizaje automático. Además, resalta la importancia de seleccionar las
metodologías y algoritmos adecuados según el tipo de datos con el que se esté
trabajando, lo que puede tener un impacto significativo en la precisión y la
eficacia de los modelos de aprendizaje automático desarrollados.
En la tabla 4 se observa una clara
tendencia en su uso. La mayoría de estos modelos se emplean principalmente en
tareas de clasificación, siendo esta la aplicación más frecuente con un total
de 93 menciones. Esto sugiere que el proceso de categorizar y etiquetar datos
es una aplicación esencial y ampliamente explorada en la literatura revisada.
Por otro lado, la aplicación de regresión
también es relevante, aunque menos frecuente en comparación con la
clasificación. Se registraron 23 menciones de modelos utilizados en tareas de
regresión, lo que indica que la predicción de valores numéricos es una
aplicación importante, pero menos común en los estudios revisados.
Tabla 4 – Análisis de los tipos de aplicación del
modelo.
|
Tipo de Aplicaciones
de modelos |
Frecuencias |
Porcentajes |
Análisis |
|
Clasificación |
93 |
80% |
Asigna una etiqueta o
categoría a una instancia basada en características predefinidas. |
|
Regresión |
23 |
20% |
Predice un valor numérico o continúo basado en
variables independientes. |
En la Figura 3, muestra una representación
gráfica en forma de pastel que ilustra los porcentajes relativos de las
categoría en los modelos de inteligencia artificial y se observa que la
clasificación es la aplicación más predominante, abarcando aproximadamente el
80% de los casos, mientras que la regresión representa el 20% restante.
Esta visualización permite apreciar de
manera efectiva la distribución de estas aplicaciones en la muestra de
estudios. A pesar de estas diferencias en frecuencia, es importante destacar
que cada una de estas aplicaciones desempeña un papel valioso en el análisis de
datos. La clasificación y la regresión, aunque utilizadas en diferentes
contextos, contribuyen de manera significativa a la comprensión y toma de
decisiones basadas en datos en diversos campos de estudio.
En el análisis de los tipos de datos por
clasificadores y regresión, muestra que la mayoría de las tareas realizadas
fueron clasificaciones en todos los tipos de datos, mientras que las
regresiones fueron menos frecuentes como se muestra en la tabla 5.
Tabla 5 – Tipos de datos por clasificadores y
regresión.
|
Tipos de datos |
Clasificadores |
Regresión |
|
Datos Numéricos |
229 |
56 |
|
Imágenes |
30 |
11 |
|
Gráficos estadísticos |
34 |
6 |
En la Figura 1.a con base en el análisis
bivariado del tipo de dataset y categoría muestra que la mayoría de las tareas
realizadas fueron clasificaciones en todos los tipos de datos, mientras que las
regresiones fueron menos frecuentes. Esto puede deberse a la naturaleza de los
datos y las necesidades específicas de los proyectos, además, se podría
profundizar en el rendimiento y la eficacia de cada clasificador en diferentes
tipos de datos, realizando una evaluación más detallada para determinar cuál de
los clasificadores se adapta mejor a cada tipo de problema.
En el análisis bivariado del modelo base y
la categoría, se observa que la mayoría de las tareas realizadas corresponden a
clasificaciones en todos los tipos de datos, por otro lado, las regresiones son
menos frecuentes en comparación, esta tendencia puede explicarse por la
naturaleza de los datos y las necesidades específicas de los proyectos, para
obtener una comprensión más profunda del rendimiento y la eficacia de cada
clasificador en diferentes tipos de datos, como se muestra en la figura 1.d.
Esto implicó llevar a cabo el análisis más específico para determinar cuál de
los clasificadores se adapta mejor a cada tipo del modelo base.
En la figura 1.c, se
presenta un análisis bivariado que relaciona el modelo base empleado en tareas
de análisis de datos y aprendizaje automático con el tipo de dataset utilizado,
uno de los hallazgos destacados es que los datos numéricos se utilizaron con
mayor frecuencia en comparación con otros tipos de datos, esto sugiere una
preferencia generalizada por trabajar con conjuntos de datos que contienen
variables numéricas, posiblemente debido a su versatilidad y facilidad de
procesamiento. Por otro lado, se observa que los gráficos estadísticos y las
imágenes fueron menos utilizados en las tareas realizadas, esta diferencia en
la frecuencia de uso puede indicar que los proyectos se han centrado en gran
medida en el análisis cuantitativo de datos numéricos, mientras que las
visualizaciones y el procesamiento de imágenes pueden no haber sido tan
prominentes en las necesidades específicas de análisis.
La Tabla 6 proporciona una visión
detallada de las métricas de error para cada uno de los modelos de nuestra
investigación. Estas métricas son esenciales para comprender el rendimiento y
la precisión de cada modelo en el contexto de nuestra aplicación específica.
La figura 1.e muestra
de manera gráfica los datos, y con base a la tabla y a la gráfica determinar
cuál de los modelos es el más eficiente. Al evaluar los errores de los dos
modelos en cuestión, el Error Absoluto Medio (MAE) y el Error Cuadrático Medio
(MSE), llegamos a las siguientes conclusiones:
Los resultados del
análisis indican que el modelo de Gradient Boosting (GB) sobresale de manera
significativa al presentar el menor Error Absoluto Medio (MAE) en comparación
con los otros modelos evaluados. Esta métrica de evaluación pone de manifiesto
la destacada capacidad del modelo de Gradient Boosting para realizar
predicciones altamente precisas y cercanas a los valores reales. Estos
hallazgos establecen a Gradient Boosting como la opción más prometedora para
aplicaciones futuras y la toma de decisiones fundamentadas, especialmente si se
busca minimizar los errores en las predicciones en general y se está dispuesto
a penalizar de manera más significativa los errores grandes.
Tabla 6 – Promedio de cada métrica
|
Modelo Base |
Error MAE |
Error MSE |
|
Máquinas de vectores de soporte (SVM) |
0.108307 |
0.141327 |
|
Random Forest (RF) |
0.121481 |
0.157329 |
|
Red Neuronal Artificial (ANN) |
0.081778 |
0.108028 |
|
Árbol de decisión (DT) |
0.090929 |
0.157051 |
|
K-vecinos más cercanos (KNN) |
0.067337 |
0.122570 |
|
Gradient Boosting (GB) |
0.062300 |
0.132720 |
|
Regresión logística (LR) |
0.204100 |
0.234764 |
|
Naive Bayes (NB) |
nan |
nan |
|
Aprendizaje por refuerzo (RL) |
nan |
0.520000 |
|
Perceptrón multicapa (MLP) |
0.153129 |
0.224917 |
|
Red neuronal convolucional (CNN) |
0.081500 |
0.110000 |
|
Red neuronal Recurrente (RNN) |
0.113333 |
0.143333 |
Además, en cuanto a las
Redes Neuronales Artificiales (ANN), si bien también ofrecen un desempeño notable,
su eficiencia se destaca principalmente cuando se considera el Error Cuadrático
Medio (MSE), lo que las hace una elección sólida en escenarios donde se busca
minimizar los errores de manera más generalizada, incluso a costa de penalizar
los errores grandes.
4. Conclusiones
En
este estudio, se realizó una exhaustiva revisión de modelos de aprendizaje
automático y su aplicabilidad en una diversidad de categorías y tipos de
conjuntos de datos. A través de un análisis meticuloso, se identificó patrones destacados en la elección
de modelos por parte de la comunidad científica y profesional. Entre los
hallazgos, se destaca la preeminencia del modelo de Máquinas de Soporte
Vectorial (SVM) como el más frecuentemente empleado en una amplia variedad de
aplicaciones. Sin embargo, nuestra investigación también ha revelado que, en
términos de eficiencia y precisión, dos modelos, Gradient Boosting (GB) y Redes
Neuronales Artificiales (ANN), sobresalen significativamente. Estos modelos se
han destacado por su capacidad para ofrecer predicciones altamente precisas y
cercanas a los valores reales, estableciéndose así como herramientas a
considerar para futuras investigaciones y aplicaciones en el campo del
aprendizaje automático. En un panorama en constante evolución de la
inteligencia artificial, la elección estratégica de estos modelos no sólo puede
mejorar la calidad de las predicciones, sino también impulsar la toma de
decisiones fundamentadas en diversas disciplinas.
Los
modelos de aprendizaje automático son altamente sensibles a la calidad y
naturaleza de los datos con los que se entrenan, la preparación y limpieza
adecuadas de los datos, junto con la selección de características relevantes,
pueden tener un impacto significativo en el rendimiento del modelo, diferentes
tipos de datos, como datos numéricos, categóricos, de texto o de imágenes,
requieren enfoques de preprocesamiento específicos. Además, la recopilación de
una cantidad suficiente y representativa de datos es esencial para evitar
problemas de sobreajuste, este estudio muestra que el aprendizaje automático y
la inteligencia artificial están en constante evolución y se aplican en una
diversidad de áreas. Los modelos utilizados son diversos y se adaptan a los
diferentes tipos de datos disponibles. Esta versatilidad demuestra el potencial
de estas tecnologías para abordar una amplia gama de problemas y oportunidades
en la actualidad y en el futuro. Además, se subraya la importancia de seguir
investigando y desarrollando modelos y aplicaciones de aprendizaje automático
para aprovechar al máximo el poder transformador de la inteligencia artificial
en diversas industrias.
Este
estudio proporciona una visión integral de la aplicación de modelos de
inteligencia artificial y aprendizaje automático en la investigación actual.
Los modelos SVM, RF y ANN han demostrado ser herramientas poderosas para
clasificar y predecir datos numéricos en una variedad de contextos. Sin
embargo, se reconoce la necesidad de abordar las limitaciones metodológicas
identificadas y de explorar nuevas oportunidades para mejorar la precisión y la
aplicabilidad de estos modelos. Se sugiere como trabajo futuro la integración
de métodos adicionales de sistematización y la evaluación continua de métricas
de rendimiento para avanzar en el campo del aprendizaje automático y su impacto
en decisiones basadas en datos.
5. Referencias
Arnau
Sabatés, L., & Sala Roca, J. (2020, Abril 23). La revisión de la literatura
científica: Pautas, procedimientos y criterios de calidad.
https://ddd.uab.cat/pub/recdoc/2020/222109/revliltcie_a2020.pdf
Beunza
Nuin, J. J., Sanz, E. P., Vila, B. R., Moreno, E. C., & Sanz, J. B. (2023).
Manual práctico de inteligencia artificial en entornos sanitarios (DRK edicion
ed.). Elsevier España, S.L.U.
https://books.google.com.ec/books?id=aQWtEAAAQBAJ&newbks=1&newbks_redir=0&printsec=frontcover&hl=es#v=onepage&q&f=false
Carrizo,
D., & Moller, C. (2018, Agosto 06). Estructuras metodológicas de revisiones
sistemáticas de literatura en Ingeniería de Software: un estudio de mapeo
sistemático. Revista chilena de ingeniería, 26, 45-54.
https://www.scielo.cl/pdf/ingeniare/v26s1/0718-3305-ingeniare-26-00045.pdf
Herrera
Zurita, A. (2016, 06). Aprendizaje Automático para la detección de ataques
informáticos. https://core.ac.uk/download/pdf/78544263.pdf
LOZANO
ORTEGA, M. A., COLOMINA PARDO, O., ESCOLANO RUIZ, F., CAZORLA QUEVEDO, M. A.,
& ALFONSO GALIPIENSO, M. I. (2003). Inteligencia artificial. Ediciones
Paraninfo, S.A.
https://books.google.com.ec/books?hl=es&lr=&id=_spC6S7UfZgC&oi=fnd&pg=PP1&dq=articulos+de+Inteligencia+artificial&ots=sQmsJFNuBW&sig=NKwzb6z0DGe4pfRQnD6Rdb63Z28#v=onepage&q&f=false
Ocaña
Fernández, Y., Valenzuela Fernández, L. A., & Garro Aburto, L. L. (2019,
mayo/agosto). Inteligencia artificial y sus implicaciones en la educación
superior. Propósitos y Representaciones, volumen 7.
http://dx.doi.org/10.20511/pyr2019.v7n2.274
Pineda
Pertuz, C. M. (2022). Aprendizaje automático y profundo en Python: una mirada
hacia la inteligencia artificial. Ra-Ma Editorial.
https://books.google.es/books?hl=es&lr=&id=NEi9EAAAQBAJ&oi=fnd&pg=PA7&dq=aprendizaje+automatico+y+profundo+en+python&ots=b2D58vlfIb&sig=Yun_SbwxLBwDGm6E2sBAXUuFYp0#v=onepage&q&f=false
Sandoval, L. J. (2018, Julio 19). MACHINE LEARNING
ALGORITHMS FOR DATA ANALYSIS AND PREDICTION. REVISTA
TECNOLÓGICA.
http://redicces.org.sv/jspui/bitstream/10972/3626/1/Art6_RT2018.pdf
Tandon, A., salimath, N.,
Bhatia, s., Sethi, K., & tripathy, B. k. (2019).
Introduction to Machine Learning. Book Bazooka.
https://www.google.com.ec/books/edition/Introduction_to_Machine_Learning/3YTADwAAQBAJ?hl=es-419&gbpv=1&dq=machine+learning&printsec=frontcover.
Garcia
Falckenheiner, A. E., Villanes Rojas, S., Cerna Barco, R. A., Felippe Mori, M.
A., Paliza Champi, L. E., & Pajuelo Aguirre, P. (2023). IMPACTO DE LA
INTELIGENCIA ARTIFICIAL EN LA EDUCACION SUPERIOR. AD MAJOREM PATRIAE GLORIAM,
6(1). https://doi.org/10.61556/ampg.v5i06.71
García
Peñalvo, F. J., Llorens-Largo, F., & Vidal, J. (2023). La nueva realidad de
la educación ante los avances de la inteligencia artificial generativa. RIED-Revista
Iberoamericana de Educación a Distancia, 27(1).
https://doi.org/10.5944/ried.27.1.37716
Orozco
Iguasnia, W. A., Villao Balón, A. J., Orozco Iguasnia, J., & Villarroel
Sánchez, M. (2021). Aplicación de técnicas de minería de datos para predecir el
desempeño académico de los estudiantes de la escuela ‘Lic. Angélica Villón L.’ Revista
Científica y Tecnológica UPSE, 8(2).
https://doi.org/10.26423/rctu.v8i2.637
Solórzano
Álava, W. L., Rodríguez Rodríguez, A., Anzules Ávila, X. L., & Cornelio, O.
M. (2022). Impacto del uso de la tecnología en la formación integral de los
estudiantes de la carrera tecnologías de la información. Journal TechInnovation, 1(2), 71–77.
https://doi.org/10.47230/journal.techinnovation.v1.n2.2022.71-77
Tamayo, S., & Pérez Marín, D. (2017). Propuesta de Evaluación basada en
Big Data para facilitar la integración de Agentes Conversacionales Pedagógicos
en las aulas. IE Comunicaciones: Revista Iberoamericana de Informática
Educativa, 26.