Modelos Apilados y factores que pueden afectar la eficiencia

Vista sencilla de ítem
dc.contributor.authorCampo Yepes, John Jairo
dc.contributor.authorCruz Castro, Daniel Leonardo
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2017-07-19T19:52:19Z
dc.date.available2017-07-19T19:52:19Z
dc.date.issued2017
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.description.degreelevelPregradospa
dc.description.degreenameProfesional en estadísticaspa
dc.description.domainhttp://unidadinvestigacion.usta.edu.co
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationCampo, J. y Cruz, D. (2017). Modelos apilados y factores que pueden afectar la eficiencia. (Trabajo de pregrado). Universidad Santo Tomás. Bogotá, Colombia.
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/4150
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de Estadísticaspa
dc.publisher.programPregrado Estadísticaspa
dc.relation.referenceshttp://machinelearningmastery.com/machine-learning-ensembles-with-r/
dc.relation.referenceshttp://stackoverflow.com/questions/32106858/create-a-stacked-predictive-model-in-r
dc.relation.referenceshttp://www.vikparuchuri.com/blog/intro-to-ensemble-learning-in-r/
dc.relation.referenceshttps://www.r-bloggers.com/new-package-for-ensembling-r-models/
dc.relation.referenceshttps://gist.github.com/primaryobjects/41c4230e43e11029cff1
dc.relation.referenceshttp://stats.stackexchange.com/questions/179898/ensemble-models-in-r
dc.relation.referenceshttp://mlwave.com/kaggle-ensembling-guide/
dc.relation.referenceshttp://www.parallelr.com/r-deep-neural-network-from-scratch/
dc.relation.referenceshttps://discuss.analyticsvidhya.com/t/how-to-implement-stacking-and-blending-of-various-modelsin-r/3944
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordMetaclassifiers
dc.subject.keywordLearning
dc.subject.keywordEfficiency
dc.subject.keywordAutomatic learning
dc.subject.lembModelos lineales (Estadística)
dc.subject.lembEstadística matemática
dc.subject.lembModelos matemáticos (Estadística)
dc.subject.lembModelos estadísticos
dc.subject.proposalMetaclasificadoresspa
dc.subject.proposalAprendizajespa
dc.subject.proposalEficienciaspa
dc.subject.proposalAprendizaje automáticospa
dc.titleModelos Apilados y factores que pueden afectar la eficienciaspa
dc.typebachelor thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTesis de pregradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 2 de 2
Thumbnail USTA
Nombre:
2017jairocampo.pdf
Tamaño:
2.98 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Thumbnail USTA
Nombre:
2017cartadefacultad.pdf
Tamaño:
49.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Estadística