Clasificación de hongos por medio de aprendizaje automático
Resumen: Esta investigación tiene como propósito aplicar el aprendizaje automático y la minería de datos para identificar si diferentes clases de hongos (nuevas o no) son benéficas (comestibles) o perjudiciales para el ser humano. La metodología está basada en el algoritmo de clasificación J48 (Weka) y se utiliza la base de datos online de hongos Secondary Mushroom Dataset. La variable dependiente (clase) tienes dos estados (comestible o venenoso). Se consideran 17 variables independientes, estas incluyen el hábitat, la estación del año y características morfológicas como el sombrero, los moretones o sangra, las branquias, el tallo y el anillo. Como resultado se encuentra, con una efectividad del 99.76%, que las variables más influyentes son: diámetro sombrero, superficie sombrero, color sombrero, altura tallo, grosor tallo, superficie tallo y color tallo. En conclusión, la metodología desarrollada aquí permite identificar si un hongo es venenoso o no con una efectividad del 99.76%.
| Main Authors: | , , |
|---|---|
| Format: | Digital revista |
| Language: | Spanish / Castilian |
| Published: |
Centro de Información Tecnológica
2023
|
| Online Access: | http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642023000100151 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|