• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Stöbern

    Gesamter BestandBereicheErscheinungsdatumAutorenSchlagwortenTiteln

    Mein Benutzerkonto

    Einloggen

    Statistik

    Benutzungsstatistik

    Compartir

    Dokumentanzeige 
    •   UVaDOC Startseite
    • STUDIENABSCHLUSSARBEITEN
    • Trabajos Fin de Grado UVa
    • Dokumentanzeige
    •   UVaDOC Startseite
    • STUDIENABSCHLUSSARBEITEN
    • Trabajos Fin de Grado UVa
    • Dokumentanzeige
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:https://uvadoc.uva.es/handle/10324/53822

    Título
    Métodos de regresión y clasificación basados en árboles
    Autor
    Fernández Villafañez, Sergio
    Director o Tutor
    García Escudero, Luis ÁngelAutoridad UVA
    Editor
    Universidad de Valladolid. Escuela de Ingenierías IndustrialesAutoridad UVA
    Año del Documento
    2022
    Titulación
    Grado en Ingeniería en Organización Industrial
    Zusammenfassung
    Las empresas cuentan en la actualidad con grandes cantidades de datos, que son adquiridos de forma muy automatizada. Es de suma importancia para estas empresas dar un uso adecuado a estos datos y contar con procedimientos, basados en dichos datos, que sirvan de ayuda a la toma de decisiones y que permitan generar ventajas competitivas respecto a sus competidores. El Aprendizaje Automático proporciona técnicas eficientes para realizar predicciones basándose en la experiencia adquirida con los datos disponibles mediante potentes métodos numéricos y estadísticos. En esta memoria se presentan algunas de estas técnicas de Aprendizaje Automático basadas en árboles de decisión, que sirven para la predicción de variables numéricas y cualitativas. A pesar de su aparente simplicidad, los árboles de regresión y clasificación proporcionan técnicas predictivas efectivas y su extensión a los "bosques aleatorios" es una de las técnicas recientes más recomendables en Aprendizaje Automático. Esta memoria también trata su aplicación práctica mediante software estadístico.
     
    Companies today have vast amounts of data, which is acquired in a highly automated manner. For these companies, it is of great importance to make proper use of this data and to apply data-based procedures that help them make decisions and that allow them to generate competitive advantages over their competitors. Machine Learning provides efficient techniques to learn from data using powerful numerical and statistical methods. This work reviews some machine learning tools, which are used for the prediction of numerical and qualitative variables based on trees. Despite its apparent simplicity, regression and classification trees provide effective predictive techniques and their extension to "random forests" is one of the most recommended recent techniques in Machine Learning. This work also deals with its practical application through statistical software.
    Materias Unesco
    1209.14 Técnicas de Predicción Estadística
    Palabras Clave
    Aprendizaje automático
    Regresión
    Clasificación supervisada
    Árboles de decisión
    Random Forest
    Departamento
    Departamento de Estadística e Investigación Operativa
    Idioma
    spa
    URI
    https://uvadoc.uva.es/handle/10324/53822
    Derechos
    openAccess
    Aparece en las colecciones
    • Trabajos Fin de Grado UVa [30858]
    Zur Langanzeige
    Dateien zu dieser Ressource
    Nombre:
    TFG-I-2181.pdf
    Tamaño:
    1.640Mb
    Formato:
    Adobe PDF
    Thumbnail
    Öffnen
    Attribution-NonCommercial-NoDerivatives 4.0 InternacionalSolange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Attribution-NonCommercial-NoDerivatives 4.0 Internacional

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10