Clasificación de hongos por medio de aprendizaje automático

Resumen: Esta investigación tiene como propósito aplicar el aprendizaje automático y la minería de datos para identificar si diferentes clases de hongos (nuevas o no) son benéficas (comestibles) o perjudiciales para el ser humano. La metodología está basada en el algoritmo de clasificación J48 (Weka...

Full description

Saved in:
Bibliographic Details
Published in:Información tecnológica 2023-02, Vol.34 (1), p.151-162
Main Authors: Castrillón, Omar D., Arango, Jaime A., Ossa, Luis F. Castillo
Format: Article
Language:Portuguese
Subjects:
ENGINEERING, MULTIDISCIPLINARY
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Resumen: Esta investigación tiene como propósito aplicar el aprendizaje automático y la minería de datos para identificar si diferentes clases de hongos (nuevas o no) son benéficas (comestibles) o perjudiciales para el ser humano. La metodología está basada en el algoritmo de clasificación J48 (Weka) y se utiliza la base de datos online de hongos Secondary Mushroom Dataset. La variable dependiente (clase) tienes dos estados (comestible o venenoso). Se consideran 17 variables independientes, estas incluyen el hábitat, la estación del año y características morfológicas como el sombrero, los moretones o sangra, las branquias, el tallo y el anillo. Como resultado se encuentra, con una efectividad del 99.76%, que las variables más influyentes son: diámetro sombrero, superficie sombrero, color sombrero, altura tallo, grosor tallo, superficie tallo y color tallo. En conclusión, la metodología desarrollada aquí permite identificar si un hongo es venenoso o no con una efectividad del 99.76%.
ISSN:0718-0764
0718-0764