Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Universidad de Guadalajara Centro Universitario de Ciencias Exactas e ingenierías Seminario de Solución de Problemas de Inteligencia Artificial (I7039) Sección: D04 Maestro: José de Jesús Hernández Barragán Alumno: José Luis Serna Serna Código: 218292327 Ejercicio 1 23/04/2021 2 Contenido Objetivo. ....................................................................................................................................... 2 Resultados: .................................................................................................................................. 3 Algoritmo Hill Climbing Adaptativo ......................................................................................... 3 Data_lineal_1. ...................................................................................................................... 3 Data_lineal_2. ...................................................................................................................... 4 Data_lineal_3. ...................................................................................................................... 6 Algoritmo Hill Climbing Mutación Aleatoria. .......................................................................... 7 Data_lineal_1. ...................................................................................................................... 7 Data_lineal_2. ...................................................................................................................... 9 Data_lineal_3. .................................................................................................................... 10 Conclusión. ................................................................................................................................ 12 Objetivo. El objetivo de la presente practica es utilizar por lo menos dos algoritmos de optimización vistos en clase para optimizar los parámetros de un modelo de regresión lineal utilizando los datos de los archivos adjuntos: data_lineal_1.csv data_lineal_2.csv data_lineal_3.csv En esta ocasión decidí utilizar los algoritmos de optimización Hill Climbing Adaptativo y Hill Climbing de Mutación Aleatoria. 3 Resultados: Algoritmo Hill Climbing Adaptativo Data_lineal_1. Mínimos globales y coeficiente de regresión. Gráfica de Convergencia. 4 Gráfica de regresión. Data_lineal_2. Mínimos globales y coeficiente de regresión. 5 Gráfica de convergencia. Gráfica de regresión. 6 Data_lineal_3. Mínimos globales y coeficiente de regresión. Gráfica de convergencia. 7 Gráfica de regresión. Algoritmo Hill Climbing Mutación Aleatoria. Data_lineal_1. Mínimos globales y coeficiente de regresión. 8 Gráfica de convergencia. Gráfica de regresión. 9 Data_lineal_2. Mínimos globales y coeficiente de regresión. Gráfica de convergencia. 10 Gráfica de regresión. Data_lineal_3. Mínimos globales y coeficiente de regresión. 11 Gráfica de convergencia. Gráfica de regresión. 12 Conclusión. Esta actividad fue muy interesante ya que pude realizar una fusión de algoritmos de optimización con el método de regresión lineal, pude ver una aplicación muy práctica de lo útil que resulta utilizar algoritmos de optimización para encontrar los valores iniciales de w0 y w1 utilizados para la regresión lineal, para así encontrar el coeficiente de regresión, ya que de otra manera sería muy difícil dar con esos valores. En esta actividad pude constatar la eficacia del método de regresión lineal, fue muy interesante ver como la recta se fue aproximando a los datos, con eso pude constatar la importancia que tienen las gráficas para visualizar los datos de una mejor manera, ya que con la gráfica de convergencia vimos cómo fue disminuyendo el error y con la gráfica de la recta se puede ver como inicia la recta lejos de los datos y como se aproxima después cerca de todos estos. Analizando el comportamiento de la gráfica de regresión pude ver que los algoritmos de optimización de Hill Climbing tuvieron un mejor comportamiento con los datos del data_lineal_1 principalmente y en segundo lugar los del data_lineal_3, se puede ver en el comportamiento de la convergencia y la cercanía de la línea con los datos, así como en el coeficiente de regresión, en el data_lineal_2 tuvieron un poco mas de problema para encontrar el mejor valor de coeficiente de regresión, sería cuestión de realizar modificaciones que ayuden a mejorar el coeficiente de regresión, por ejemplo podría ser mediante los mínimos, sería interesante ver también el comportamiento de los otros métodos de optimización para encontrar el coeficiente de regresión Como observación puedo decir que las herramientas que proporciona Matlab facilitan de gran manera la realización de algoritmos y cálculos con funciones, también es así para la realización de gráficas. En general me considero que esta actividad me dejo un saldo positivo en cuento a conocimientos sobre el comportamiento y mejora de algoritmos, además de la teoría de los algoritmos, en la utilización de las herramientas y funciones que ofrece Matlab, sin duda será de gran ayuda lo aprendido en esta práctica para la realización de prácticas posteriores.
Compartir