Implementación y estudio del rendimiento del clasificador DERS-Boost, para problemas con conjuntos de datos no balanceados

dc.contributor.advisorTFESanz Delgado, José Antonio
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Industrial, Informática y de Telecomunicaciónes_ES
dc.contributor.affiliationIndustria, Informatika eta Telekomunikazio Ingeniaritzako Goi Mailako Eskola Teknikoaeu
dc.contributor.authorOjer Baztán, Cristina
dc.date.accessioned2021-02-12T14:22:32Z
dc.date.available2021-02-12T14:22:32Z
dc.date.issued2020
dc.date.updated2021-02-11T10:50:21Z
dc.description.abstractEl objetivo de este trabajo es implementar, estudiar y comparar frente a otros métodos de aprendizaje automático ya conocidos, el rendimiento de DERS-Boost (Differential Evolutionary Resampling Boosting). DERS-Boost es una nueva propuesta frente a problemas de clasificación con conjuntos de datos no balanceados, que integra técnicas de re-muestreo guiadas por algoritmos de computación evolutiva diferencial. Esta memoria describe las bases teóricas y el funcionamiento del nuevo algoritmo de aprendizaje, y se exponen los experimentos llevados a cabo, teniendo en cuenta una distinta variedad de datasets, y comparando los resultados del rendimiento en cuanto a precisión y tiempo de ejecución entre DERS-Boost y una selección de métodos ya conocidos para afrontar los problemas de clasificación no balanceados.es_ES
dc.description.degreeGraduado o Graduada en Ingeniería Informática por la Universidad Pública de Navarraes_ES
dc.description.degreeInformatika Ingeniaritzako Graduatua Nafarroako Unibertsitate Publikoaneu
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/39108
dc.language.isospaen
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.subjectClasificaciónes_ES
dc.subjectProblemas no balanceadoses_ES
dc.subjectRe-muestreoes_ES
dc.subjectEnsemble learninges_ES
dc.subjectBoostinges_ES
dc.subjectEvolución diferenciales_ES
dc.subjectClusteringes_ES
dc.titleImplementación y estudio del rendimiento del clasificador DERS-Boost, para problemas con conjuntos de datos no balanceadoses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesis
dspace.entity.typePublication
relation.isAdvisorTFEOfPublication04db2b7d-89dc-4815-be4a-4b201cdce99b
relation.isAdvisorTFEOfPublication.latestForDiscovery04db2b7d-89dc-4815-be4a-4b201cdce99b

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
memoriaTFG_crisitna.pdf
Size:
828.26 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.78 KB
Format:
Item-specific license agreed to upon submission
Description: