Descrição
Los algoritmos multiclasificadores se han mostrado particularmente eficientes para trabajar sobre espacios de datos grandes y complejos como los llamados flujos de datos. En estos flujos, durante la clasificación, aparecen conceptos que cambian con el tiempo, por lo que los métodos para su minería, sobre todo los que detectan y se adaptan a estos cambios, son importantes por su aplicación en áreas como: bioinformática, medicina, economía y finanzas, industria, medio ambiente, entre otras. La presente investigación propone un nuevo algoritmo multiclasificador que se adapta a los cambios de conceptos, tiene votación ponderada con una nueva forma para ajustar los pesos y permite variar el tipo de clasificador básico. El algoritmo fue implementado en compatibilidad y bajo las exigencias del entorno de trabajo MOA (Massive Online Analysis) facilitando la comparación con otros algoritmos conocidos y la generación de bases de datos sintéticas que simulan cambios de conceptos. Para la experimentación se generaron experiencias bajo conceptos artificiales conocidos, tales como: SEA, LED, STAGGER e Hiperplano; logrando mostrar la alta capacidad de adaptación y la estabilidad del algoritmo frente a diferentes situaciones simuladas.
