Aplicación de técnicas de aprendizaje automático para la clasificación y predicción en diferentes casos de uso

Abstract

Este Trabajo de Fin de Grado tiene como objetivo principal la implementación de modelos basados de aprendizaje automático aplicados en diversos escenarios, buscando un rendimiento óptimo de todas las métricas para todos los contextos de análisis. En un primer bloque, se exploran modelos de clasificación y regresión para predecir la calidad del vino a partir de sus parámetros químicos. En un segundo bloque, se aborda el procesamiento del lenguaje natural basado en aprendizaje automático para clasificar la respuesta emocional, esto es, emociones y polaridades en contextos de redes sociales. Se emplea en primer lugar una base de datos relacionada con los videojuegos en Twitch y se aplican técnicas de clasificación para analizar y categorizar las emociones y polaridades presentes en los canales de los creadores de contenidos. Posteriormente, se realiza otro análisis utilizando una base de datos relacionada con la salud mental en redes sociales, donde nuevamente se trabaja con texto como variable independiente. Se realiza el procesamiento adecuado del lenguaje natural para aplicar los distintos modelos predictivos y confrontar los resultados obtenidos.

This Final Degree Project has as its main objective the implementation of models based on machine learning applied in various scenarios, seeking optimal performance of all metrics for all analysis contexts. First, classification and regression models are explored to predict wine quality from its chemical parameters. In a second block, natural language processing based on machine learning is addressed to classify the emotional response, that is, emotions and polarities in social network contexts. First, a database related to video games on Twitch is used and classification techniques are applied to analyze and categorize the emotions and polarities present in the channels of content creators. Subsequently, another analysis is carried out using a database related to mental health in social networks, where again text is used as an independent variable. Appropriate natural language processing is performed to apply the different predictive models and compare the results obtained.