El uso del aprendizaje automático para predecir elecciones en el estado de Quintana Roo, México
Resumen
Este artículo presenta un análisis y una comparación de tres algoritmos diferentes: método de agrupamiento (K-means), Algoritmo expectación-maximización Kohonen (EM) y metodología de clasificación (LAMDA), usando dos paquetes (WEKA y SALSA) de clasificación como ayuda para la predicción de futuras elecciones en el estado de Quintana Roo. Al trabajar con datos electorales éstos son clasificados de forma cualitativa y cuantitativa y por tal virtud al final de ésta artículo se tendrán los elementos necesarios para decir que software tiene mejor desempeño para dicho aprendizaje de clasificación.
Palabras clave.Aprendizaje automático, lógica difusa, agrupamiento, WEKA, SALSA, LAMDA, elecciones estatales, predicción.
Texto completo:
69-85 PDFReferencias
Dellte, L., Osteso, J., M., & Claes, F (2013). Predicción de tendencia política por Twitter: elecciones Andaluzas 2012. Ámbitos. Revista Internacional de Comunicación, 22(1).
Tumasjan, A., Sprenger, T. O., Sandner, P. G., & Welpe, I. M. (2010). Predicting Elections with Twitter. What 140 Characters Reveal about Political Sentiment. ICWSM, 10, 178-185.
Sang, E. T. K., & Bos, J. (2012, April). Predicting the 2011 dutch senate election results with twitter. In Proceedings of the Workshop on Semantic Analysis in Social Media, 53-60.
Jungherr, A., Jürgens, P., & Schoen, H. (2012). Why the pirate party won the german election of 2009 or the trouble with predictions: A response to tumasjan, a., sprenger, to, sander, pg, & welpe, im “predicting elections with twitter: What 140 characters reveal about political sentiment”. Social Science Computer Review, 30(2), 229-234.
Vega, C. A., Rosano, G., López, J. M., Cendejas, J. L., & Ferreira, H. Data Mining Aplicado a la Predicción y Tratamiento de Enfermedades.
García, E. G., López, R. J., Moreno, J. J. M., Abad, A. S., Blasco, B. C., & Pol, A. P. (2009). La metodología del Data Mining. Una aplicación al consumo de alcohol en adolescentes. Adicciones, 21(1), 65-80.
Garre, M., Cuadrado, J. J., Sicilia, M. A., Rodríguez, D., & Rejas, R. (2007). Comparación de diferentes algoritmos de clustering en la estimación de coste en el desarrollo de software. Revista Española de Innovación, Calidad e Ingeniería del Software, 3(1), 6-22.
Toro Ocampo, E. M., Molina Cabrera, A., & Garcés Ruiz, A. (2006). Pronóstico de bolsa de valores empleando técnicas inteligentes. Revista Tecnura, 9(18), 57-66.
Matamoros, O. M., Balankin, A., & Simón, L. M. H. (2005). Metodología de predicción de precios del petróleo basada en dinámica fractal. Científica, 9(1), 3-11.
Arango, A., Velásquez, J. D., & Franco, C. J. (2013). Técnicas de Lógica Difusa en la predicción de índices de mercados de valores: una revisión de literatura. Revista Ingenierías Universidad de Medellín, 12(22), 117-126.
García, M. C., Jalal, A. M., Garzón, L. A., & López, J. M. (2013). Métodos para predecir índices bursátiles. Ecos de Economía, 17(37).
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada. 
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx