Post on 14-Jan-2016
description
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 1/44
Tecnología para la Explotación de
Información
Tecnologías Inteligentes para
Explotación de Información
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 2/44
Aprendizaje automático
• Encara el desafío de la construcción deprogramas de computación queautomáticamente mejoran con laexperiencia.
• El sistema recibe como entrada losejemplos los conocimientos pre!ios.
"espu#s genera una descripción deconceptos como salida.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 3/44
Teorema de $itc%ell para construir unsistema de aprendizaje
&'e puede afirmar que un programacomputacional es capaz de aprender apartir de la experiencia E con respecto aun grupo de tareas T seg(n la medidade performance )* si su performance enlas tareas T* medida seg(n )* mejora la
experiencia E+
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 4/44
Ejemplo de un sistema que aprendeajedrez ,$itc%ell-
• Tarea T jugar al ajedrez
• $edida de performance ) porcentaje de
juegos ganados contra distintosoponentes
• Experiencia de entrenamiento E juegos
de ajedrez contra si mismos
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 5/44
Aprendizaje de conceptos
• 'e trata de extraer conceptos de los datos querecibe como entrada. / definimos un conceptocomo una abstracción para un conjunto deobjetos que comparten ciertas propiedades.
• 0as t#cnicas de inferencia para extraerdescripciones de los conceptos son deduccióne inducción ,infiere inf. generalizada de los ej.
conocimientos base-.• 'e pueden representar como árboles o grafos.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 6/44
1epresentación de conceptos
• 0ógica proposicional ,orden cero-.
• 0ógica de atributos es utilizada en
muc%os programas de aprendizajeautomático como los de la familia T"I"T,árboles inducti!os de arriba %acia abajo-.
• 0ógica de predicados de primer orden.
• 0ógica de segundo orden.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 7/44
Tipos de aprendizaje automático
• Aprendizaje por memorización• Aprendizaje por instrucción•
Aprendizaje por deducción• Aprendizaje por analogía• Aprendizaje por inducción
• Aprendizaje por ejemplos• Aprendizaje por obser!ación2descubrimiento• 3bser!ación pasi!a
• Experiencia acti!a
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 8/44
T#cnicas para modelar conceptos aprendidos
• Tablas de decisión4atrib5* atrib6* 7 * atrib8* clase9
• :rboles de "ecisión
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 9/44
T#cnicas para modelar conceptosaprendidos ,cont.-
• 1eglas de ;lasificación < Antecedente => ;onsecuente
• 1eglas de asociación < como la anterior pero busca todas las
relaciones existentes entre todos los atributos
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 10/44
T#cnicas para modelar conceptosaprendidos ,cont.-
• 1eglas de 1elaciones < Ej. Tenemos un bloque
< 'i anc%o > alto entonces acostado
< 'i alto > anc%o entonces parado
• Aprendizaje basado en instancias < 'e guardan las instancias en memoria.
< 'e utiliza el m#todo del ?2!ecino más cercano
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 11/44
T#cnicas para modelar conceptosaprendidos ,cont.-
• ;lusters < 'e lo representa en forma de diagrama ,ej.
"iagrama de @enn-
< eneralmente le sigue una etapa deconstrucción de un árbol de decisión u otrom#todo para modelizar.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 12/44
Ejemplos de aplicaciones deaprendizaje automático
• Incremento de la producción en procesosde control químicos
• "ecisiones de análisis de cr#ditos paradeterminar a quienes se lo tienen queotorgar
• "iagnóstico de dispositi!os m#dicos para elmantenimiento pre!enti!o
• ;lasificación automática de objetoscelestes diferenciando estrellas de galaxias
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 13/44
Algoritmos de ;lasificación
• Algoritmos estadísticos
• 1edes 8euronales
• Algoritmos gen#ticos• $#todo del !ecino más cercano
• 1eglas de inducción
• @isualización de los datos• ;lasificadores basados en ejemplos
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 14/44
Aprendizaje automático
Es la automatización del proceso deaprendizaje. 0a minería de datos esconsiderado un caso especial de
aprendizaje automático.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 15/44
Algoritmos de aprendizaje automático
• I"B ,Induction "ecision Trees-• ;C.D
• A5D
• ;86 ,de ;lar? 8iblett-• "F0earn
• $eta2"endral
• 1A"IGH1G ,incorpora la noción de tiempo-
• FA;38
• '0I ,'uper!ised 0earning In uest- de IF$
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 16/44
I"B ,Induction "ecision Trees-
• Es un sistema de aprendizaje super!isadoque construe árboles de decisión a partirde un conjunto de ejemplos.
• 0os ejemplos son tuplas* donde el dominiode cada atributo de las tuplas está limitadoa un conjunto de !alores.
• ;lasifica todos los ejemplos del conjunto deentrenamiento con un ni!el de clasificaciónalto pero no %ace uso del conocimiento deldominio. Tiene buena performance.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 17/44
;C.D
• Es una extensión del I"B que permitetrabajar con !alores continuos para losatributos* separando los posibles resultados
en dos ramas. ue desarrollado por uinlan.• enera un árbol de decisión a partir de los
datos mediante particiones realizadas
recursi!amente con una estrategia deprofundidad primero ,dept%2first-. Elalgoritmo considera todas las pruebasposibles se queda con la de maor
ganancia.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 18/44
A5D• Es un sistema de aprendizaje inducti!o que
genera reglas de decisión donde el antecedentees una fórmula lógica. Jace uso deconocimientos del dominio para generar nue!osatributos que no estaban presentes en los datos
de entrada.• El sistema soluciona problemas de ejemplos
incompletos o inconsistentes mediante un pre o
post procesamiento* reduce las reglasgeneradas.
• Ja sido testeado en diagnóstico de cáncer de
mama la ubicación del tumor primario.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 19/44
;86
• "esarrollado por ;lar? 8iblett* es unaadaptación del A5D. Elimina los ruidosdurante la ejecución del algoritmo no
mediante un pre o post procesamiento.• ;ombina t#cnicas de pode de I"B de
reglas condicionales usadas pro el A5D.
• ;onstrue reglas probabilísticas* elantecedente de una regla cubre ejemplospositi!os de una clase.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 20/44
"F0earn
• 'e utilizan conocimientos del dominio paragenerar descripciones para subconjuntospredefinidos de una base de datosrelacional. ;omo característica especial
mencionamos su estrategia de b(squeda deabajo %acia arriba ,bottom up-K el uso deconocimientos del dominio como jerarquíasde !alores de atributos el uso del álgebrarelacional. El conjunto de entrenamiento esuna tabla de datos relacional con n2tuplas.
• Ltiliza dos operadores de generalización
para construir los descriptores.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 21/44
$eta2"endral
• Ltiliza conocimientos del dominio para generardescripciones para subconjuntos predefinidosde una base de datos relacional. Este sistemausa una estrategia de b(squeda de abajo %acia
arriba ,bottom up-K el uso de conocimientos deldominio como jerarquías de !alores deatributos el uso del álgebra relacional. Elconjunto de entrenamiento es una tabla dedatos relacional con n2tuplas.
• 0a estrategia de b(squeda es consideradaineficiente porque genera muc%as reglas de
decisión que despu#s las elimina.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 22/44
1A"IGH1G• 'e utiliza para el descubrimiento de relaciones
en bases de datos clínicas. 0a diferenciaimportante con otros sistemas es que incorporala noción de tiempo un dato es un conjunto de
ejemplos que guardan información de unpaciente en diferentes momentos* losconocimientos generados son de naturalezacausal. El proceso de descubrimiento es en dos
etapas 5- genera %ipótesis * 6- utiliza t#cnicasa!anzadas de estadística para !alidarlas.• ;omo des!entaja tiene que no usa información
de dominio para guiar la b(squeda.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 23/44
FA;38• Es un sistema que utiliza algoritmos de análisis
de datos para descubrir relaciones matemáticas entre datos num#ricos. 0os datos deentrenamiento son num#ricos normalmente
son generados en alg(n experimento pre!io.;ada tupla esta constituida por los !alores delas mediciones durante el experimento.
•0as des!entajas son que no considera lainconsistencia ni el ruido en los datos. Fajaperformance porque al ser todas las !ariablesson importantes entonces explora todas las
soluciones posibles.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 24/44
'0I ,'uper!ised 0earning In uest-
• ue desarrollado por IF$. Este algoritmo utiliza losárboles de decisión para clasificar grandes cantidadesde datos. Lsa t#cnicas de pre2ordenamiento en laetapa de crecimiento del árbol* e!itando los costos deordenamiento en cada uno de los nodos. $antieneuna lista ordenada independiente de cada uno de los!alores de los atributos continuos una lista separadade cada una de las clases. 'e construe el árbol deforma anc%o2primero ,breadt%2first-. )ara cada uno de
los atributos busca en la lista correspondiente calcula los !alores de entropía para cada uno de losnodos de la frontera simultáneamente. A partir de lainformación obtenida se particionan los nodos de la
frontera se expanden para obtener una nue!a.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 25/44
0a familia T"I"T
,Top Down Induction Trees)
Es un método inductivo para el
aprendizaje automático a partir de
ejemplos preclasificados. En minería dedatos se utiliza para modelar las
clasificaciones de datos mediante árboles
de decisión.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 26/44
"ado un conjunto que contiene ejemplos que
pertenecen a distintas clases* lo que se %acees realizar una prueba sobre los diferentesatributos para realizar una partición
considerando al mejor atributo.
)ara encontrar el mejor atributo* que es elque aporta maor ganancia o menor p#rdidade información* se utiliza la teoría de lainformación.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 27/44
)ara construir un árbol de decisión a partir de un
conjunto T de datos de entrenamiento seanlas clases !"# !$#. . .# !%& e'isten tres
posibilidades(
< T contiene uno o más casos* todos pertenecientes aun (nica clase !j
< T no contiene ning(n caso
< T contiene casos pertenecientes a !arias clases
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 28/44
Esquema subproductos resultantesde aplicar T"I"T
unción I"B
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 29/44
unción I"B,1 conj. de atributos no clasificadores* ; atributo clasificador* '
conj. de entrenamiento- de!uel!e un árbol de decisiónK;omienzo
'i ' está !acío"e!ol!er un (nico nodo con @alor allaK
'i todos los registros de ' tienen el mismo !alor "e!ol!er un (nico nodo con dic%o !alorK
'i 1 está !acío* entoces
"e!ol!er un (nico nodo con dic%o !alor más frecuente del atributo clasificadoren los registros de '
'i 1 no está !acío* entoces" atributo con maor anancia ,"*'- entre los atributos de 1K'ean 4djM j=5*6* ..* m9 los !alores del atributo "K'ean 4'jM j=5*6* ..* m9 los subconjuntos de ' correspondientes a los!alores de dj respecti!amenteK
"e!ol!er un árbol con la raíz nombrada como " con los arcos d5* d6* 7* dmque !an respecti!amente a los árboles
I"B,124"9*;*'5-* I"B,124"9*;*'6-* 7* I"B,124"9*;*'m-*
in
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 30/44
;álculo de la anancia de Información
"ado un conjunto que contiene ejemplos queperteneces a distintas clases* lo que se %ace esrealizar una prueba sobre los diferentes atributospara realizar una partición considerando al mejoratributo.
)ara encontrar el mejor atributo* que es el queaporta maor ganancia o menor p#rdida deinformación* se utiliza la teoría de la información.
'e calcula la Entropía de un subconjunto 'i asíJ,'i- = 2)5i log )5i < )6i log )6i
'iendo )5 un ej. positi!o )6 uno negati!o.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 31/44
;álculo de la anancia de Información ,cont.-
0a probabilidad de encontrar un ej. tomado al azar de'i positi!o es
)5i = n5i H ,n5i N n6i-
eneralizando la ecuación
J,'*at- = O ),'i- . J,'i-
0a probabilidad de que un ejemplo pertenezca a 'i es
),'i- = M'iM M'M
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 32/44
;álculo de la anancia de Información ,cont.-
0a ganancia de la información puede calcularsecomo la disminución de la entropía* así
I,'*at- = J,'- < J,'*at-
donde J,'- es el !alor de la entropía a priori J,'*at- es el !alor de la entropía del
sist. de subconj. generados porla partición de at
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 33/44
)oda de árboles generados
• 'e %ace por el gran tamaPo que tiene el árbol*sobregeneralización e!aluación de atributospoco importantes.
• Existen dos enfoques para podar los árboles lapre2poda ,preprunning- se detiene el crecimientodel árbol cuando la ganancia de informaciónproducida al di!idir la post2poda ,postprunning-
se podan algunas ramas una !ez que se %aterminado de construir el árbol como por ej. conlos algoritmos I"B ;C.D.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 34/44
E!aluación en la familia T"I"T
'e busca medir la performance delclasificador con una proporción de error.El clasificador predice la clase de cada
instancia si la predicción es correctaentonces estamos ante un #xitoK si no loes* estamos ante un error. 0a proporción
de error* entonces* es simplemente lacantidad de errores sobre la cantidad totalde instancias clasificadas.
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 35/44
Ejemplo utilizando el I"B
'upongamos quequeremos analizar cuálesdías son con!enientespara jugar al tenis en
canc%a abiertabasándonos en la%umedad* el !iento elestado del tiempo. 0os
datos que se utilizarán sepresentan en la tablasiguiente
Estado Humedad Viento Juego
'oleado Alta 0e!e 8o
'oleado Alta uerte 8o
8ublado Alta 0e!e 'i
0lu!ia Alta 0e!e 'i
0lu!ia 8ormal 0e!e 'i
0lu!ia 8ormal uerte 8o
8ublado 8ormal uerte 'i
'oleado Alta 0e!e 8o
'oleado 8ormal 0e!e 'i
0lu!ia 8ormal 0e!e 'i
'oleado 8ormal uerte 'i
8ublado Alta uerte 'i
8ublado 8ormal 0e!e 'i
0lu!ia Alta uerte 'i
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 36/44
El atributo estadotiene la distribución
de datos
Lluvia Nublado Soleado
Si C C 6
No 5 Q B
Total D C D
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 37/44
)ara calcular la ganancia es necesario calcular laentropía del conjunto
=−−= No NoSiSi
P P P P S H 22 loglog)(
86312.014
4log
14
4
14
10log
14
1022 −=−−=
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 38/44
;alculamos a%ora la entropía que tendríanlos conjuntos resultantes de la di!isión de
datos seg(n este atributo
+−−+−−=
==∑=
)4
4log
4
4
4
0log
4
0(
14
4)
5
4log
5
4
5
1log
5
1(
14
5
)().(),(
2222
2
1
i
i
i S H S P EstadoS H
bits6046.097095.0
14
50
14
47219.0
14
5
)5
2log5
2
5
3log5
3(14
522
=++=
=−−+
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 39/44
A%ora se calcula la ganancia resultante de di!idir alsubconjunto seg(n el atributo Estado
)ara calcular la proporción de ganancia se debemosconocer primero la información de la di!isión que secalcula como
;alculamos la proporción de ganancia
25852.0),()(),( =−= EstadoS H S H EstadoS Ganancia
bits
S
S x
S
S S división I
i
n
i
i
577.114
5log
14
5
14
4log
14
4
14
5log
14
5
log)( _
222
2
1
=
−
−
−=
=
−= ∑=
bitsS división I
S Ganancia gananciade proporción 491042.0
)( _
)( _ _ ==
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 40/44
• )ara el atributo Jumedad
anancia = Q*QRCSRQ6 bits)roporción de ganancia = Q*5CBC bits
• )ara el atributo @ientoanancia = Q*QQDRRS bits
)roporción de ganancia = Q*Q566CDR bits
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 41/44
:rbol de decisión obtenido con el I"B
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 42/44
Transformación de reglas de decisión
1egla Q
'I Estado = 0lu!ia/ @iento = uerte/ Jumedad = Alta
E8T38;E' Uuego Tenis = 'i
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 43/44
1egla 5
'I Estado = 0lu!ia
/ @iento = uerte/ Jumedad = 8ormal
E8T38;E' Uuego Tenis = 8o
1egla 6'I Estado = 0lu!ia
/ @iento = 0e!eE8T38;E' Uuego Tenis = 'i
7/18/2019 Tec Para Explotación de Inf - Tec Inteligentes y TDIDT
http://slidepdf.com/reader/full/tec-para-explotacion-de-inf-tec-inteligentes-y-tdidt 44/44
1egla B'I Estado = 8ubladoE8T38;E' Uuego Tenis = 'i
1egla C'I Estado = 'oleado
/ Jumedad = AltaE8T38;E' Uuego Tenis = 8o
1egla D
'I Estado = 'oleado/ Jumedad = 8ormal
E8T38;E' Uuego Tenis = 'i