Repositorio para el proyecto de Inteligencia Artificial del grado en Ingeniería del Software de los alumnos Germán Márquez Trujillo y Moisés Calzado Cobo
La selección de características es uno de los problemas más estudiados en el mundo del Machine Learning y de la estadística. La importancia de las técnicas existentes de selección de características permite a nuestros modelos ser más rápidos y eficientes, algo que se traduce en ahorro de tiempo y presupuesto cuando tratamos de afrontar un proyecto.
Por ello, vamos a tratar de tener un primer acercamiento a la importancia de la selección de características óptimas en modelos predictivos. Empezaremos aclarando algunos conceptos teóricos que nos permitan entender mejor los diferentes métodos de selección de características existentes, para terminar, explicando la implementación de los algoritmos SFS y SFFS de búsqueda de características óptimas. Por último, realizaremos un análisis de los resultados obtenidos al probar la ejecución de dichos algoritmos en conjuntos de datos con los que entrenar modelos
Para ejecutar la implementación de los algoritmos basta con ejecutar el archivo de notebook llamado Selección de características en modelos predictivos, y para ejecutar los algoritmos paralelizados el archivo llamado Algoritmos paralelizados.
En caso de querer ejecutar el código en el intérprete de Python directamente, se facilitan los archivos .py para ejecutar los diferentes algoritmos