Entrenamiento de máquina en escenarios de múltiples expertos

En cualquier ámbito de Reconocimiento de Patrones el punto de partida es la existencia de una buena base de datos confiable, de este punto de partida depende el éxito de las etapas subsiguientes como son la caracterización y el entrenamiento de clasificadores, entre otras. La gran mayoría de trabajos relacionados con la materia suponen que las condiciones de calidad de dichas bases de datos son óptimas, esto incluye factores que van desde la poblacón objetivo, pasando por la calidad de los equipos y métodos de adquisición de los datos y la asignación de etiquetas que reflejen la realidad de los datos. Este último punto es crítico pues la asignación de etiquetas muchas veces depende de la evaluación subjetiva de un experto. Dado que en ocasiones un solo experto no revela la realidad de los datos suelen obtenerse etiquetas de múltiples expertos. Es por lo anterior, que en el presente trabajo se plantea una metodología para tratar con este tipo de condiciones y aprovechar la información de los múltiples expertos. Al final se obtiene un sólo conjunto de etiquetas que permite abordar la etapas siguientes en el proceso de aprendizaje de máquina.