Aplicación de Técnicas de Minería de Datos para la Indagación y Estudio de Resultados Electorales

• Autores: Roberto Camana Fiallos
• Localización: CienciAmérica: Revista de divulgación científica de la Universidad Tecnológica Indoamérica, ISSN-e 1390-9592, Vol. 1, Nº. 1, 2012, págs. 85-94
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En esta investigación se trata un problema de Minería de Datos, utilizando técnicas de aprendizaje supervisado y no supervisado. Se estudió un conjunto de datos reales de las elecciones presidenciales del 28 de abril de 2009, correspondientes a la zona No. 3 (provincias de Cotopaxi, Chimborazo, Tungurahua y Pastaza). El problema se dividió en dos partes. La primera, fue la selección de las Juntas Receptoras del Voto más representativas y la segunda, el análisis de distribución del voto. Los algoritmos de aprendizaje supervisado que se utilizaron fueron DesicionStrump, j48, LMT y perceptrón multicapa.Los algoritmos de aprendizaje no supervisado fueron EM (Expectation Maximization) y K-Medias. Las herramientas utilizadas fueron Crementine y Weka, un programa de código abierto, que proporciona una gran variedad de algoritmos de aprendizaje muy útiles en la Minería de Datos. Durante el proceso se crearon los programas: Preprocesamiento.java, Resultado.java, PorMesa.java, PorMesaGana.java y Distancias.java.

  • English

    This research is focused on a data mining problem, using techniques of supervised and unsupervisedlearning. I studied a set of real data from presidential elections April 28, 2009, of area No. 3, which includesthe provinces of Chimborazo, Cotopaxi, Pastaza and Tungurahua. The problem was divided into two parts.The first was the selection of the most representative polling stations and the second, the vote distributionanalysis. The supervised learning algorithms used were: DesicionStrump, J48, LMT, and multilayer per-ceptron. The unsupervised algorithms used were: EM (Expectation Maximization) and K-Means. The toolsused were Crementine and Weka, an open source program that provides a variety of useful learning al-gorithms in data mining. Programmed in Java language, a number of programs were c reated: Preproce-samiento.java programs, Resultado.java, PorMesa.java, PorMesaGana.java and Distancias.java.