Espacios de Versiones y Mastermind. Un ejemplo de los efectos de la representación conceptos y el ruido en los ejemplos en el Aprendizaje de Clasificadores

Abstract

El Espacios de Versiones y su Algoritmo de Eliminación de Candidatos son una solución conocida al problema del aprendizaje de clasificadores por inducción de gran importancia teórica que en la práctica se ve restringida por su intolerancia al ruido en el entrenamiento y un crecimiento combinatorio en la cantidad de datos almacenados. Mastermind es un juego de información perfecta pero incompleta cuya naturaleza ha sido comparada con la del método científico [10] y que no permiten la aplicación directa de dicho algoritmo. En este artículo se muestra la aplicación de las técnicas de manejo de ruido de Norton y Hirsh en un algoritmo basado en Espacios de Versiones capaz de jugar al Mastermind con destreza y se miden los ahorros en la memoria consumida producto de la detección temprana de contradicciones. También se analiza el efecto de una posterior representación de conceptos diseñada a la medida en el consumo de memoria y en la estrategia de juego.