Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/43819
Título
Métodos de regularización para aproximación y completado de matrices. Componentes principales robustas
Autor
Director o Tutor
Año del Documento
2020
Titulación
Grado en Estadística
Abstract
En este trabajo se describen y comparan diferentes métodos para la descomposición,
aproximación y completado de matrices que se han desarrollado a lo largo de los últimos
años, además de justificar el por qué estos métodos son tan altamente eficientes y producen
tan buenos resultados. Se dedica especial atención a analizar e implementar un algoritmo
de completado de matrices y otro que se puede interpretar como un tipo de componentes
principales robustas. Estos dos algoritmos se basan en métodos de optimización convexa.
Además, se explica la aplicación de estos algoritmos al desafío Netflix y a la detección de
movimiento en videovigilancia.
Palabras Clave
Machine learning
PCA
Algoritmos de optimización convexa
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Grado UVa [28820]
Files in questo item
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)