RT info:eu-repo/semantics/bachelorThesis
T1 Reducción de dimensionalidad y teorema de Johnson-Lindenstrauss
A1 González Martín, Daniel
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Reducción de dimensión
K1 Teorema de Johnson-Lindestrauss
K1 Maldición de la dimensionalidad
AB En Análisis de Datos y Aprendizaje Automático, donde el manejo de datos de altadimensión es cada vez más común, la reducción de dimensionalidad es una técnica clave para mejorar la eficiencia computacional y reducir los dañinos efectos de la conocida“maldición de la dimensionalidad”. El teorema de Johnson-Lindenstrauss es un resultadofundamental, que establece que un conjunto de datos en un espacio de alta dimensiónpuede ser proyectado en un espacio de menor dimensión con una distorsión mínima de lasdistancias euclídeas. Estas proyecciones permiten preservar relaciones geométricas esenciales, justificando el uso de técnicas de Análisis de Datos en un espacio de dimensiónsignificativamente menor. Este Trabajo Fin de Grado explora las peculiaridades que eltratamiento de datos de alta dimensión introduce, junto con desigualdades de concentración útiles para conseguir probar el Teorema de Johnson-Lindenstrauss. También seanalizarán, mediante simulaciones, estas peculiaridades y las implicaciones prácticas deeste resultado.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/78485
UL https://uvadoc.uva.es/handle/10324/78485
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 12-ene-2026