Aplicación de Técnicas de Minería de Datos para la Indagación y Estudio de Resultados Electorales
Resumen
En esta investigación se trata un problema de Minería de Datos, utilizando técnicas de aprendizaje supervisado y no supervisado. Se estudió un conjunto de datos reales de las elecciones presidenciales del 28 de abril de 2009, correspondientes a la zona No. 3 (provincias de Cotopaxi, Chimborazo, Tungurahua y Pastaza). El problema se dividió en dos partes. La primera, fue la selección de las Juntas Receptoras del Voto más representativas y la segunda, el análisis de distribución del voto. Los algoritmos de aprendizaje supervisado que se utilizaron fueron DesicionStrump, j48, LMT y perceptrón multicapa.
Los algoritmos de aprendizaje no supervisado fueron EM (Expectation Maximization) y K-Medias. Las herramientas utilizadas fueron Crementine y Weka, un programa de código abierto, que proporciona una gran variedad de algoritmos de aprendizaje muy útiles en la Minería de Datos. Durante el proceso se crearon los programas: Preprocesamiento.java, Resultado.java, PorMesa.java, PorMesaGana.java y Distancias.java.
Aviso de derechos de autor/a
- Los autores/as conservarán plenos derechos de autor sobre su obra y garantizarán a la revista el derecho de primera publicación, el cuál estará simultáneamente sujeto a la Licencia Atribución 4.0 Internacional, que permite Compartir — copiar y redistribuir el material en cualquier medio o formato, adaptar — remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente. Debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada, siempre que se indique la publicación inicial en esta revista y si remezcla, transforma o crea a partir de el material, debe indicarlo.
- Se permite y recomienda a los autores difundir su obra a través de internet (p. ej.:en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada.
Esta obra está bajo una Licencia Creative Commons Atribución 4.0 Internacional.
