Página 1 de 3 

UNIVERSIDAD EL BOSQUE
CENTRO DE DESARROLLO TECNOLOGICO
FACULTAD DE INGENIERIA

PROGRAMAS
AMBIENTAL ☐ BIOINGENIERIA ☐ ELECTRONICA ☐ INDUSTRIAL ☐ SISTEMAS ☐ OTROS ☐
NOMBRE DEL DOCENTE: Mónica Rojas Martínez IDENTIFICACION:
SEMESTRE: VI SALON/AULA: F201 PERIODO: 2019-2

PRESENTACION/INTRODUCCION

El centro de desarrollo tecnológico es una unidad encargada de la prestación de servicios y le recomendamos acatar las normas y ordenamiento
para su adecuado uso, y por lo tanto le sugerimos que todos los contenidos y normas las utilice para su adecuado uso.

Los métodos no paramétricos de clasificación como mínimas distancias o k-vecinos son muy potentes e intuitivos.
Tienen la ventaja de que pueden trazar un umbral de decisión altamente complejo dependiendo de la distribución
de los datos observados y del número de clases sin necesidad de estimar un conjunto de parámetros (i.e. los
parámetros theta)

En este laboratorio se trabajará con un conjunto de datos utilizado para diferenciar un tipo de vino italiano producido
en tres viñedos diferentes. Los atributos fueron obtenidos a través del análisis de los componentes químicos así:

- Alcohol
- Ácido málico
- ceniza
- Magnesio
- Fenoles totales
- Flavonoides
- Fenoles no flavonoides
- Proantocianidinas
- Intensidad del color
A partir de estas características usted debe estimar de manera automática el origen de un vino.

CONTENIDO

NOMBRE DE LA PRÁCTICA: Métodos no paramétricos

PRACTICA NUMERO: 6

OBJETIVO GENERAL
Hacer una clasificación y validación por el algoritmo de mínimas distancias y el de k-vecinos

OBJETIVOS ESPECIFICOS
 Página 2 de 3 

1. Analizar la incidencia que tiene la normalización de las características sobre los resultados obtenidos
2. Analizar como varía la clasificación dependiendo del algoritmo utilizado
3. Observar cual es el rendimiento obtenido y obtener el mejor modelo para los datos observados

RESULTADOS ESPERADOS

Obtener el rendimiento del modelo de clasificación con algoritmos no paramétricos

CONTENIDO/METODOLOGIA

Lea toda la guía antes de iniciar el laboratorio

La metodología propuesta para la resolución de este laboratorio es la siguiente:

Primero debe cargar los datos en entrenamiento y validación en el archivo wine. mat

1. Implementar la función discriminante como

function dk = discriminante(X, r)

donde X son las observaciones de validación y r el vector (o vectores) de referencia a partir de los
datos de entrenamiento para el cálculo del discriminante

2. Implementar una función que calcule la pertenencia de un conjunto de observaciones a cada una
de las clases como:

function class = ClasNoParam(Xt, Xv, y, knn)

donde Xt y Xv son los datos de entrenamiento y validación respectivamente, y la salida observada y

knn el número de vecinos para el algoritmo de k- vecinos. La salida de esta función entrega tanto la
clasificación por k-vecinos (class_knn) como la clasificación por mínimas distancias (class_md)
 Página 3 de 3 

3. Utilizar las funciones anteriores para clasificar los datos de validación (Xv) con el algoritmo de
mínimas distancias y el de k- vecinos para knn= [1, 5, 7, 23] vecinos y evaluar los siguientes
aspectos
 La necesidad de utilizar una normalización: Para esto haga la clasificación con y sin
normalización de los datos y anote sus observaciones en el informe
 Calcular el rendimiento de la clasificación con un índice basado ya sea en la sensibilidad,
exactitud, precisión o especificidad y que sea apropiado para el conjunto de datos de
validación
 Obtener el modelo de mayor rendimiento y analizar el por qué de dicho comportamiento

Recuerde que debe crear una función principal desde donde debe definir las variables y hacer el
llamado a las funciones secundarias. Adicionalmente los algoritmos deben ser generales de tal
manera que se puedan utilizar con diferente número de entradas, de salidas y de observaciones.
El informe debe tener la parte de análisis correspondiente y el código creado para el laboratorio. En
este caso en particular no se tendrá en cuenta el contexto del análisis para la calificación del mismo
pero si se deberán analizar los resultados obtenidos de acuerdo a lo que se plantea en el ítem 3.

MATERIALES, EQUIPOS O RECURSOS

PLACA/CODIGO
EQUIPO/MATERIAL CANTIDAD MEDIDA

Computador con Matlab 1

CONDICIONES

 No olvide diligenciar el formato “SOLICITUD DE PRACTICAS DE LABORATORIO”, con ocho (8) días de anticipación a la
realización de cualquier práctica, para con esto evitar cualquier inconveniente.
 Para solicitar los equipos y materiales anteriormente mencionados, favor diligenciar el formato “SOLICITUD DE MATERIAL DE
PRACTICAS DE LABORATORIO”.
 En caso de presentarse algún inconveniente o novedad dentro de la realización de las diferentes prácticas, ya sea por parte
del profesor o estudiante, diligenciar el formato “REPORTE DE NOVEDAES”.