El retraso de vuelos es la preocupación más común de los actores de la aviación en todo el mundo. Las aerolíneas, que sufren pérdidas monetarias y de lealtad de los clientes, son las más afectadas. Varios estudios han intentado analizar y resolver los retrasos de vuelos utilizando algoritmos de aprendizaje automático. Esta investigación tiene como objetivo predecir el retraso en la llegada de vuelos utilizando una Red Neuronal Artificial (ANN). Aplicamos un Perceptrón Multicapa (MLP) para entrenar y probar nuestros datos. En nuestro trabajo se han adoptado dos enfoques. En el primero, utilizamos datos históricos de vuelos extraídos de la Oficina de Estadísticas de Transporte (BTS). El segundo enfoque mejora la eficiencia del modelo aplicando un entrenamiento de datos selectivo. Consiste en seleccionar solo las instancias más relevantes del conjunto de datos de entrenamiento que son vuelos retrasados. Según la BTS, un vuelo cuya diferencia entre los horarios programados y reales de llegada sea de

Las máquinas de vectores de soporte (SVMs) están diseñadas para resolver problemas de clasificación binaria en un principio, pero en el mundo real, existen muchos casos de multiclase. Los métodos de multiclase basados en SVM se dividen principalmente en métodos directos e indirectos, en los cuales los métodos indirectos, que consisten en múltiples clasificadores binarios integrados de acuerdo con ciertas reglas para formar el modelo de multiclase, son los métodos de multiclase más comúnmente utilizados en la actualidad. En este artículo, se propone un algoritmo de multiclase mejorado basado en el árbol de decisión binario balanceado, llamado algoritmo IBDT-SVM. En este algoritmo, se considera no solo la influencia de la distancia entre clases y la varianza de clase en las medidas tradicionales de separabilidad entre clases, sino que también se tiene en cuenta la varianza entre clases y se propone una nueva medida mejorada de separabilidad entre clases. Basándose en la nueva medida de separabilidad entre clases, se identifican las dos