Aprendizaje supervisado y no supervisado para la expresión genética

La agrupación de atributos es una de las aplicaciones de minería de datos no supervisada que se ha utilizado anteriormente para identificar la dependencia estadística entre subconjuntos de variables. Una vez más, las técnicas de clustering son importantes en los métodos de minería de datos para explorar la estructura natural e identificar patrones interesantes en los datos originales, también se ha demostrado que es útil para encontrar muestras co-expresadas. En este libro, se ha utilizado la teoría de los conjuntos rugosos (RST) para la agrupación de atributos. La RST es una teoría adoptada para tratar el conocimiento aproximado e inseguro, que analiza los clusters y encuentra los principios de los datos cuando el conocimiento previo no está disponible. En este caso, después de implementar el método de agrupación de atributos basado en conjuntos rugosos en un conjunto de datos de la vida real, éstos se clasifican utilizando algunas de las técnicas de clasificación tradicionales.