Aplicación de Técnicas de Minería de Datos para la Indagación y Estudio de Resultados Electorales

  • Roberto Camana-Fiallos Universidad Tecnológica Indoamérica, Facultad de Ingeniería en Sistemas; Ambato, Ecuador

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.

Publicado
ene 2, 2012
##submission.howToCite##
CAMANA-FIALLOS, Roberto. Aplicación de Técnicas de Minería de Datos para la Indagación y Estudio de Resultados Electorales. CienciAmérica, [S.l.], v. 1, n. 1, p. 85-94, ene. 2012. ISSN 1390-9592. Disponible en: <http://cienciamerica.uti.edu.ec/openjournal/index.php/uti/article/view/10>. Fecha de acceso: 19 ago. 2019