Manual de Usuario
Manual de Usuario
Embedded Files
Los resultados del estudio comparativo se obtuvieron a través de una interfaz gráfica desarrollada, donde se encontraron las distintas combinaciones de los resultados: medianas del error, sensibilidad, especificidad, exactitud, entre otros. La interfaz ofrece la posibilidad de obtener resultados mediante medios gráficos y además el registro de los datos cuantitativos en las medidas de valor. Se logra la visualización de la clasificación de las patologías Normal, Obstructivo y Mixto, junto con todas las medidas pertenecientes al método de selección o reducción de dimensiones, siendo representados por gráficos como caja de bigotes, para la medida de los errores, comparación de exactitud y tiempo. Además, se trabajó las curvas de ROC (Receiver Operating Characteristic), las cuales permiten representar la relación entre los valores de la sensibilidad y la especificidad, para cada clase, especificando el índice para la clase que se desea visualizar. Esta interfaz se desarrolla con la ayuda de Matlab 2019a, para una correcta visualización del programa se deben agregar al “set path” de Matlab los toolbox (prtools y drtools) adjuntos al software de espirometría.
Interfaz desarrollada para esta investigación.
Funcionamiento
Funcionamiento
- Selección de la base de datos
Se procederá a presionar el botón Load Data, a continuación se direcciona a la carpeta con las bases de datos disponibles de espirometría, debe seleccionar una de las bases de datos. En este caso seleccionamos la base de datos Base_H.Central.
2. Análisis de las bases de Espirometría
2. Análisis de las bases de Espirometría
Se indica la simulación del procedimiento llevado a cabo, aplicado a las técnicas de selección de características, métodos de reducción de dimensión y finalmente la clasificación.
Para el tratamiento de la base de datos se debe seleccionar solo una de las técnicas para minimizar el espacio de trabajo (Selección de características o Reducción de dimensiones), seguida de los métodos de clasificación con los que se desee trabajar. En este caso seleccionamos todos los métodos de clasificación:
Selección de características: para el cual se despliega una lista de opciones con los métodos de Chi-Square, RelieFf, NCA, Backward.
Reducción de dimensiones: se tiene una lista con dos opciones que son PCA y LDA.
Clasificadores: se marca los clasificadores con los que se desea trabajar entre ellos KNN, SVC, Parzen, ANN, Random Forest.
3. Representación de resultados:
3. Representación de resultados:
Se enfatiza el “Plotting” de la interfaz gráfica en la que se indican las métricas a visualizar.
3.1 Representación de características:
3.1 Representación de características:
Una vez seleccionados las técnicas de selección o reducción, se toman las dos componentes principales de la base de datos y se procede a graficarlas junto con la línea de decisión de cada clasificador.
3.2 Medidas:
3.2 Medidas:
Para las cuales se obtiene la medida del error mediante caja de bigotes, la comparación entre los clasificadores seleccionados de la exactitud y el costo computacional para el primer menú, seguido por las curvas de ROC para los clasificadores seleccionados por cada una de las clases.
4. Guardar los resultados
4. Guardar los resultados
Se presenta una tabla con las medidas de valoración del proceso de clasificación al momento de ser registradas. Esta tabla puede ser guardada en un registro, exportado para futuras aplicaciones.
Ejemplo
Ejemplo
Page updated
Google Sites
Report abuse