1. RIUdeG
  2. Revistas
  3. Revista ReCIBE
Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/20.500.12104/95533
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorLeón-Borges, José A.-
dc.creatorNoh-Balam, Roger-Ismael-
dc.creatorRangel Gómez, Lino-
dc.creatorStrand, Michael Philip-
dc.date2017-12-06-
dc.date.accessioned2023-09-01T20:34:20Z-
dc.date.available2023-09-01T20:34:20Z-
dc.identifierhttp://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/36-
dc.identifier10.32870/recibe.v4i2.36-
dc.identifier.urihttps://hdl.handle.net/20.500.12104/95533-
dc.descriptionThis research article, presents an analysis and a comparison of three different algorithms: A.- Grouping method K-means, B.-Expectation a convergence criteria, EM and C.- Methodology for classification LAMDA, using two software of classification Weka and SALSA, as an aid for the prediction of future elections in the state of Quintana Roo. When working with electoral data, these are classified in a qualitative and quantitative way, by such virtue at the end of this article you will have the elements necessary to decide, which software, has better performance for such learning of classification.The main reason for the development of this work, is to demonstrate the efficiency of algorithms, with different data types. At the end, it may be decided, the algorithm with the better performance in data management.Resúmen: Este artículo de investigación presenta el análisis y comparación de tres algoritmos diferentes: A.- método de agrupamiento K-media, B.- expectativa de criterios de convergencia y C.- metodología de clasificación LAMDA usando dos softwares de clasificación, Weka y SALSA, como auxiliares para la predicción de las futuras elecciones en el estado de Quintana Roo. Cuando se trabaja con datos electorales, éstos son clasificados en forma cualitativa y cuantitativa, de tal virtud que al final de este artículo tendrá los elementos necesarios para decidir que software tiene un mejor desempeño para el aprendizaje de dicha clasificación. La principal razón para hacer este trabajo es demostrar la eficiencia de los algoritmos con diferentes tipos de datos. Al final se podrá decidir sobre el algoritmo con mejor desempeño para el manejo de información.Palabras clave: aprendizaje automático, lógica fuzzy, agrupamiento, Weka, SALSA, LAMDA, elecciones estatales, predicción.en-US
dc.formatapplication/pdf-
dc.languageeng-
dc.publisherUniversidad de Guadalajaraes-ES
dc.relationhttp://recibe.cucei.udg.mx/index.php/ReCIBE/article/view/36/34-
dc.rightsDerechos de autor 2017 ReCIBEes-ES
dc.sourceReCIBE, electronic journal of Computing, Informatics, Biomedical and Electronics; Vol. 4 No. 2 (2015): Dic 2014 - May 2015; Ien-US
dc.sourceReCIBE, Revista electrónica de Computación, Informática, Biomédica y Electrónica; Vol. 4 Núm. 2 (2015): Dic 2014 - May 2015; Ies-ES
dc.source2007-5448-
dc.source10.32870/recibe.v4i2-
dc.subjectAutomatic Learningen-US
dc.subjectfuzzy logicen-US
dc.subjectgroupingen-US
dc.subjectWekaen-US
dc.subjectSALSAen-US
dc.subjectLAMDAen-US
dc.subjectstate electionsen-US
dc.subjectpredictionen-US
dc.titleThe machine learning in the prediction of elections - El aprendizaje automático en la predicción de las eleccionesen-US
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
Aparece en las colecciones:Revista ReCIBE

Ficheros en este ítem:
No hay ficheros asociados a este ítem.
Mostrar el registro sencillo del ítem


Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.