Este repositorio contiene el código y los recursos para replicar los experimentos realizados en mi Trabajo de Fin de Máster titulado 'Transformación de Datos Tabulares a Imágenes Sintéticas: Optimización y Evaluación de la Librería TINTOlib en Python'
Ficheros:
utils.py
: contiene funciones para cargar los datasets; hacer los splits; obtener información sobre los datos; y crear las ramas de los modelos.dataset_information.ipynb
: notebook para probar a cargar los dataset y obtener información sobre la cantidad y tipo de datos.evaluate_models.ipynb
: notebook para evaluar los modelos entrenadostrain_classic.ipynb
: notebook para entrenar descriptores clásicos con los datos de un dataset.train_cnn.ipynb
: notebook para entrenar CNNs a partir de imágenes sintéticas.train_cnn_mlp.ipynb
: notebook para entrenar modelos CNN+MLP a partir de las imágenes sintéticas y los datos de un dataset. El entrenamiento se realiza con las imágenes sintéticas (en la rama CNN) y los datos del dataset (en la rama FFNN).train_cnn_ML.ipynb
: notebook para entrenar modelos CNN+ML a partir de las imágenes sintéticas y los datos de un dataset. El entrenamiento se realiza con las imágenes sintéticas (en la rama CNN) y las predicciones que de un modelo RandomForest devuelve (concatenados a la predicción de la rama CNN).
Carpetas:
datasets
: contiene algunos de los datasets en bruto