Académique Documents
Professionnel Documents
Culture Documents
Tipo de
Algoritmo Min. Mediana Max. Rango
Arcillas
Illita NN 0.120 0.180 0.320 0.200
Esmectita NN 0.090 0.180 0.380 0.290
IS NN 0.110 0.250 0.350 0.240
Clorita NN 0.050 0.120 0.370 0.320
Caolinita NN 0.180 0.310 0.380 0.200
Random Forest
SVM-Maquinas Vectoriales de Soporte.
Maquinas vectoriales de
Kernel radial.
• Los puntos sobre la
banda difusa
representan maquinas
vectoriales
• Regiones rojos y azul son
las clasificaciones.
• Banda blanca : superficie
marginal.
Tipo de
Algoritmo Min. Mediana Max. Rango
Arcillas
Illita SVM 0.925 0.937 0.952 0.028
Esmectita SVM 0.881 0.897 0.917 0.036
IS SVM 0.877 0.889 0.917 0.040
Clorita SVM 0.873 0.891 0.909 0.036
Caolinita SVM 0.833 0.863 0.885 0.052
Illita RF 0.956 0.968 0.976 0.020
Esmectita RF 0.901 0.917 0.933 0.032
IS RF 0.901 0.927 0.944 0.044
Clorita RF 0.897 0.919 0.933 0.036
Caolinita RF 0.873 0.891 0.913 0.040
Validación Externa – Regresión
CLASE MUY BAJO (0-10%)
Pozo B
Arcillas totales 39%
Esméctita 30%
Caolinita 60%.
Illita 10%
Conclusiones
El DDM-SML es muy versátil para modelar una relación
compleja de arcillas.
El RF y SVM:
DRX:
• Alto y similar rendimiento.
• Evita el sobreajuste.
• Modo de Regresión: 60-75 % Precisión
• Modo de Clasificación≈ 90 % Precisión
Permite predicción para identificación de arcillas
con Registro Gamma Espectral.
Preguntas?
GRACIAS!