RT info:eu-repo/semantics/bachelorThesis
T1 Reducción de dimensiones: revisión y aplicaciones en clasificación automática
A1 Bravo Núñez, Andrés
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Reducción de dimensionalidad
K1 UMAP
K1 t-SNE
AB En la actualidad es habitual encontrar conjuntos de datos de alta dimensión. Este tipode datos son difíciles de interpretar y presentan problemas como entrada a algoritmos declasificación debido a la maldición de la dimensionalidad. Una manera de mejorar estosaspectos es la aplicación de métodos de reducción de la dimensión.Este trabajo tiene como objetivo analizar y comparar un subconjunto de los métodosde reducción de dimensión existentes. Además, se hace una evaluación de los mismos tantode una manera aislada mediante diferentes medidas de calidad como por su impacto endiferentes métodos de clasificación. Ambas evaluaciones se realizan sobre un conjunto dedatos de referencia como es MNIST.De una manera más concreta, se han evaluado los métodos de reducción usando medidascuantitativas para medir la conservación de las propiedades locales y globables delos datos. Posteriormente se han comparado métodos de clasificación entrenados en unconjunto de datos reducido con métodos entrenados con los datos originales. Los resultadosobtenidos muestran que cual es el mejor método de reducción de dimensión dependede nuestro objetivo (visualización o preprocesamiento). Además se comprueba que la reducciónde dimensión es una estrategia viable para mejorar el comportamiento de unclasificador o para reducir el coste de entrenarlo, almacenarlo o usarlo.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/44147
UL http://uvadoc.uva.es/handle/10324/44147
LA spa
DS UVaDOC
RD 29-abr-2024