Show simple item record

dc.creatorCampo Yepes, John Jairo
dc.creatorCruz Castro, Daniel Leonardo
dc.date.accessioned2017-07-19T19:52:19Z
dc.date.available2017-07-19T19:52:19Z
dc.date.created2017
dc.identifier.urihttp://hdl.handle.net/11634/4150
dc.descriptionEn la actualidad la minería de datos y el Machine Learning ofrecen potentes algoritmos de clasificación basados en modelos simples pero como interacciones de aprendizaje, automático hacen que estos modelos sean robustos, estos modelos son denominados Metaclasificados, donde su objetivo final es tener eficiencia optima en la clasificación. Los modelos apilados aprovechan la eficiencia de los metaclasificados para aumentar un poco más la eficiencia del resultado, ya que la predicción es lo que las empresas consideran más importante.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.sourceinstname:Universidad Santo Tomásspa
dc.sourcereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.subjectMetaclasificadoresspa
dc.subjectAprendizajespa
dc.subjectEficienciaspa
dc.subjectAprendizaje automáticospa
dc.titleModelos Apilados y factores que pueden afectar la e ficienciaspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
dc.creator.degreeProfesional en estadísticaspa
dc.publisher.programRregrado estadísticaspa
dc.publisher.departmentFacultad de estadísticaspa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersionspa
dc.description.sedeCRAI-USTA Bogotáspa


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia