Resumen de Comparación de algoritmos evolutivos para la optimización en la clasificación de la obesidad en escolares

Ana Cecilia Arenas Rodríguez, Carlos Alberto Torres Naira, Flor de María Vizcarra Huyhua, Jose Sulla Torres, Jorge Méndez Cornejo

• español

  El estudio tiene por objetivo comparar tres tipos de algoritmos evolutivos diferentes: Real Encoding Particle Swarm Optimization (REPSO–C), Incremental Learning with Genetic Algorithms (ILGA) y Decision Tree with Genetic Algorithm (DT-GA), para determinar el porcentaje de mejora durante cada iteración que tiene cada uno de los algoritmos sobre una base de datos relacionadas con la obesidad escolar. Se utilizó la herramienta denominada Keel, que permitió cargar los datos, prepararlos, procesarlos y analizar los resultados, tanto en el entrenamiento, como en las pruebas realizadas. La precisión encontrada por la ejecución de cada uno de los algoritmos, permite concluir que el modelo que utiliza árbol de decisión y algoritmo genético DT-GA es el mejor, debido al nivel de precisión que posee.

• English

  The aim of the study is to compare three different evolutionary algorithms: Real Encoding Particle Swarm Optimization (REPSO-C), Incremental Learning with Genetic Algorithms (ILGA) and Decision Tree with Genetic Algorithm (DT-GA) to determine the percent improvement during each iteration of each of the algorithms on a database related to school obesity. For this purpose, the Keel tool was used, which allowed data loading, preparation, processing and analysis of results, both in training and in the tests performed. The precision found by the execution of each of the algorithms, allows to conclude that the model using decision tree and genetic algorithm DT-GA is the best one due to the level of precision that it possesses.