Caso de estudio: cambio climático

Tesis: encontrar relaciones entre características (indicadores agrícolas) y el cambio de temperatura

Propuesta de solución: análisis de datos multivariados (data-driven approach) con aprendizaje automático (machine learning) 

El Vector Space Model (VSM) como estructura/lattice de la representación del conocimiento (datos como objetos vectoriales)

El espacio latente, resultado del proceso de compresión del autoencoder, como modelo de espacio vectorial (VSM).

Caso de estudio: cambio climático

Tesis: encontrar relaciones entre características (indicadores agrícolas) y el cambio de temperatura

Propuesta de solución: análisis de datos multivariados (data-driven approach) con aprendizaje automático (machine learning) 

El Vector Space Model (VSM) como estructura/lattice de la representación del conocimiento (datos como objetos vectoriales)

Propuesta: clustering en el VSM del espacio latente como método de explicación mediante la búsquedad de "la estructura natural".

Caso de estudio: cambio climático

Tesis: encontrar relaciones entre características (indicadores agrícolas) y el cambio de temperatura

Propuesta de solución: análisis de datos multivariados (data-driven approach) con aprendizaje automático (machine learning) 

Resultados preeliminares

VSM del espacio latente con outliers

VSM del espacio latente sin outliers

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Error de reconstrucción

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Arquitectura básica de análisis de datos multivariados (data-driven approach) con aprendizaje automático

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Error de reconstrucción: 0.1924566

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Supervised approach: mediante la exactitud del modelo, medir la capacidad de la función de aproximación para predecir ciertas categorías o clases de datos.

Unsupervised approach: mediante algún índice interno, encontrar la "estructura natural" del conjunto de datos.

(métrica de evaluación)

(métrica de evaluación interna)

Pregunta de investigación: ¿qué tal "fiel" es el espacio VSM?

Probando el método -> publicación para JCR

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

Distribución del VSM por clases

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

True Positives Target-Predicción

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

Distribución del VSM sólo de la clase 18

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

Centroides de la distribución del VSM sólo de la clase 18 con outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

Distribución del VSM sólo de la clase 18 sin outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

Centroides de la distribución del VSM sólo de la clase 18 sin outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Similarity: 0.7470598110262031

Similarity: 0.9969003768486518

Similarity: 0.9157369771098657

Similaridad de los centroides de la distribución del VSM sólo de la clase 18 sin outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Target

Predicción

MEDOIDS de la distribución del VSM sólo de la clase 18 sin outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Similarity: 0.999990

Similarity:1.00000

Similarity: 1.00000

Similaridad de los MEDOIDS de la distribución del VSM sólo de la clase 18 sin outliers

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado

Contribución: encontrar los vectores característicos del aprendizaje automático supervisado