CLASIFICACIÓN DE GRAFOS MOLECULARES CON APRENDIZAJE AUTOMÁTICO

Abstract

En este trabajo se aborda el problema de la clasificación de moléculas haciendo uso, en concreto, de técnicas de aprendizaje automático. Como objetivo principal, se plantea la implementación de distintos modelos de representación y clasificación para su posterior evaluación en términos de rendimiento. En el capítulo 2 de introducción se va a explicar la necesidad para tratar este problema, la revolución que se ha llevado a cabo en estos últimos años gracias al aprendizaje automático y se detallará sobre qué cuestiones particulares versará este trabajo. En el tercer capítulo, se detallarán los objetivos de este trabajo. Se describirá resumidamente el problema, se expondrá la metodología empleada para lograr el objetivo y se comentarán las alternativas que ha habido a este enfoque. Los siguientes cuatro capítulos siguen esta lógica. En los capítulos 4 y 5, se expone el estado del arte. Concretamente, en la cuarta sección se recoge cómo se representan las moléculas de forma que se puedan procesar y en la quinta qué modelos existen para clasificar esos datos ya preprocesados. Siguiendo el mismo esquema, en los capítulos 6 y 7 se explica el estudio comparativo llevado a cabo para la ocasión. En el capítulo seis se detallan los datos escogidos para el estudio, mientras que en el séptimo se valora la aplicación de los modelos de aprendizaje escogidos. Concretamente, en el capítulo 4, se van a explicar las distintas formas que existen para representar moléculas, haciendo especial hincapié en las maneras convenientes para el clasificado automático. No es una cuestión trivial, ya que los modelos de aprendizaje automático normalmente necesitan trabajar con información vectorizada y esto obliga a que se haga un preprocesado de los datos cuidadoso. En el quinto capítulo, se discutirán los distintos modelos de aprendizaje automático que se utilizan en esta tarea. Se expondrá el funcionamiento de los modelos más exitosos en este problema. En el siguiente capítulo, se van a presentar los conjuntos de datos que se utilizarán en el estudio comparativo. Se explicará para qué se utilizan en escenarios reales, qué propiedades tienen, si existe desbalanceo de datos o no, etc., y también se detallará qué descriptores moleculares se disponen en cada dataset para hacer el clasificado. Por otro lado, ya en el capítulo 7, se hará un estudio comparativo entre cinco distintos modelos de aprendizaje automático introducidos en el capítulo 5 y con los cuatro distintos conjuntos de datos del capítulo 6. Se verá la importancia de una correcta implementación de los métodos escogidos y se valorarán los resultados obtenidos. Para finalizar, se dedicarán unas páginas para exponer las conclusiones obtenidas. Principalmente, sobre el rendimiento y las limitaciones de los modelos y los descriptores tratados a lo largo del trabajo.