Análisis exploratorio y visualización de datos de color de capa en caballos peruanos de paso
DOI:
https://doi.org/10.56124/encriptar.v7i14.004Palabras clave:
Patrones genéticos, color del pelaje, caballos peruanos de paso, metodología CRISP-DMResumen
Esta investigación presenta un estudio exhaustivo sobre los patrones genéticos que determinan el color del pelaje de caballos. Se utilizó la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), el estudio se llevó a cabo en varias fases, desde la comprensión del problema hasta el despliegue de los resultados. Los datos analizados provienen de la Asociación Nacional Ecuatoriana de Criadores y Propietarios de Caballo de Paso (A.N.E.C.P.C.P.), abarcando registros desde 1933 hasta 2020, aunque para el análisis de cruce de pelajes se filtraron los datos desde 1985 hasta 2020 lo cual redujo la data a 6131 registros. Los resultados obtenidos indican predominancia de pelajes ALAZÁN y CASTAÑO, en comparación con otros colores menos frecuentes, indica una fuerte influencia de los genes de Extension (E) y Agouti (A), que determinan la mayoría de los colores observados de la data analizada.
Descargas
Citas
Alfaro, A. J., & Ospina, J. D. (2021). Revisión sistemática de literatura: Técnicas de aprendizaje automático (machine learning). Cuaderno Activa: REVISTA CIENTÍFICA DE LA FACULTAD DE INGENIERÍA(13), 114-130. Obtenido de https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/849/1366
Bolaños, J. M. (2020). Determinación de capas genéticas. ExtremaduraPRE: la revista de la Asociación Extremeña de Criadores de Caballos de Pura Raza Española(37), 54-59. Obtenido de https://dialnet.unirioja.es/servlet/articulo?codigo=7768082
Bartolomé, E., Azor, P., Gómez, M., & F, P. (2008). La determinación genética del color de la capa en el caballo: Bases y aplicación al caballo de la raza Pottoka. Obtenido de Pottoka.info: https://www.pottoka.info/files/galeria/Genetica_color_capa_pottoka.pdf
Capas Genéticas - LG PRE ANCCE. (s.f.). Obtenido de Lgancce.com: https://www.lgancce.com/webcapas/inicio
Correa, L., Reyes, C., Pardo, E., & Cavadía, T. (2015). Detección de la diversidad genética del caballo doméstico(Equus caballus) mediante genes asociados al color del pelaje. Revista MVZ Córdoba, 20(3), 76-103.
Davila, S. A. (2015). Diagnóstico de la crianza del Caballo Peruano de Paso en el Valle. Tesis Ingeniero Zooecnista, HUANCAYO-PERÚ. Obtenido de https://repositorio.uncp.edu.pe/bitstream/handle/20.500.12894/1846/Tesis%20M%C3%A1rquez.pdf?sequence=1
Espinosa, Z. J. (2020). Aplicación de metodología CRISP-DM para segmentación geográfica de una base de datos pública. Ingeniería. Investigación y Tecnología, 11(1), 1-17. doi: https://doi.org/10.22201/fi.25940732e.2020.21n1.008
Flores, L. G., Cadena, M. J., Quinatoa, A. E., & Villa, Q. M. (2019). Minería de datos como herramienta estratégica. Revista Científica Mundo de la Investigación y el Conocimiento, 3(1), 955- 970. doi:10.26820/recimundo/3.(1).enero.2019.955-970
Fuentes, N. R. (2022). Una aproximación al análisis exploratorio de datos. Valladolid: Universidad de Valladolid. Obtenido de Uva.es: https://uvadoc.uva.es/bitstream/handle/10324/53276/TFG-E-1381.pdf?sequence=1&isAllowed=y
García, P. V., Mora, M. A., & Ávila, R. J. (2020). La inteligencia artificial en la educación. Revista Cientifica: Dominio de las ciencias, 6(3), 648-666. doi:https://dx.doi.org/10.23857/dc.v6i3.1421
Gómez, C. A. (2020). Aplicación del machine learning en agricultura de precisión. Revista Cintex, 14-27. Obtenido de https://revistas.pascualbravo.edu.co/index.php/cintex/article/view/356/327
Gómez William, O. A. (2023). La Inteligencia Artificial y su Incidencia en la Educación: Transformando el Aprendizaje para el Siglo XXI. REVISTA INTERNACIONAL DE PEDAGOGÍA EINNOVACIÓN EDUCATIVA, 3(2), 217- 229. doi:https://orcid.org/0000-0002-8178-1253
Horse Breeding. (s.f.). Obtenido de Etalondx.com: https://www.etalondx.com/horse-breeding/
Huber, S., Wiemer, H., Schneider, D., & Ihlenfeldt, S. (2019). DMME: Data mining methodology for engineering applications – a holistic extension to the CRISP-DM model. Procedia CIRP, 79, 403-408. doi:https://doi.org/10.1016/j.procir.2019.02.106
López, M. G. (2021). Pre-procesamiento de datos para aprendizaje de distribución de etiquetas. Granada: Universidad de Granada. Obtenido de https://digibug.ugr.es/handle/10481/68012
Losinno, L. (2009). Curso de Producción Equina I. Departamento de Producción Animal, Facultad de Agronomía y Veterinaria. Universidad Nacional de Río Cuarto. Obtenido de https://www.produccion-animal.com.ar/produccion_equinos/curso_equinos_I/18-Guia_PELAJES_2009.pdf
Medina, Q. F., Castillo, R. W., & Meneses, V. C. (2020). Métricas para el apoyo de la exploración visual de componentes en modelos de minería de datos. Ingeniare. Revista chilena de ingeniería, 28(4), 596-611. doi:http://dx.doi.org/10.4067/S0718-33052020000400596
Mohedano, M. Á. (2021). Análisis de datos mediante visualización de información basada en técnicas de reducción de dimensiones y machine learning. España: Universidad Rey Juan Marcos. Obtenido de https://www.educacion.gob.es/teseo/imprimirFicheroTesis.do?idFichero=eHv0JdWVblM%3D
Montalván, D. P., & Rojas, R. L. (2019). “Parámetros hematológicos en equinos (equus caballus) pertenecientes a la asociación de criadores y propietarios del caballo peruano de paso de lambayeque”. LAMBAYEQUE: UNIVERSIDAD NACIONAL "PEDRO RUIZ GALLO”. Obtenido de Montalván_Damián_Paola_Antonella_y_Rojas_Risco_Liliana_Libertad%20(1)%20(3).pdf
Monteza, C. W. (2021). Medidas hipométricas e índices zoométricos del Caballo Peruano de Paso criado en Cutervo, Cajamarca. Lambayeque.
Moreno, C., Causil, L., & Pardo, E. (2018). Variabilidad genética del caballo (Equus caballus) mediante genes del pelaje en Sahagún, Córdoba, Colombia. Revista De Investigaciones Veterinarias Del Perú, 29(4), 1295-1302. doi:https://doi.org/10.15381/rivep.v29i4.15188
Ramírez, J. D. (2021). Aprendizaje Automático y Aprendizaje Profundo. Ingeniare. Revista chilena de ingeniería, 29(2), 180-181. doi:http://dx.doi.org/10.4067/S0718-33052021000200180
Rojas, E. M. (2020). Machine Learning: análisis de lenguajes de programación y herramientas para desarrollo. Risti: Revista Ibérica de Sistemas e Tecnologias de Informação(28), 586 - 599. Obtenido de https://www.proquest.com/openview/c7e24c997199215aa26a39107dd2fe98/1?pq-origsite=gscholar&cbl=1006393
Sánchez, M. M. (2021). Estudio del funcionamiento de técnicas de minería de datos sobre Conjuntos de Datos relacionados con la Biología. JAÉN: UNIVERSIDAD DE JAÉN. Obtenido de https://crea.ujaen.es/bitstream/10953.1/14426/1/TFGB%20Moret%20Sanchez%20Martin.pdf
Tortosa, R. E. (2020). Conjunto de datos para inteligencia artificial. Primavera: Laboratorio Universidad de Ciencias Aplicadas LTD.
Troya, A. H. (2019). Técnicas estadísticas en el análisis cuantitativo de datos. Revista Sigma, 15(1), 28-44. Obtenido de http://coes.udenar.edu.co/revistasigma/articulosXV/1.pdf
Valencia, D. J., Mera, C., & Sepúlveda, L. M. (2020). Visualización de conjuntos de datos de múltiples instancias. Revista lbérica de Sistemas y Tecnologías de Información, 84-99. doi:10.17013/risti.39.84-99
Yepes, W., Pérez, E. P., & Vargas, L. A. (2017). Diversidad Genética del Caballo Criollo (Equuscaballus)mediante Genes Asociados al Pelaje en Valencia, Colombia. Revista De Investigaciones Veterinarias Del Perú, 28(3), 562-570. doi:https://doi.org/10.15381/rivep.v28i3.13353
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Revista Científica de Informática ENCRIPTAR - ISSN: 2737-6389.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
