Arbizu Castillón, Iranzu2024-08-292024-08-292024https://academica-e.unavarra.es/handle/2454/51498En este proyecto, se comparan seis algoritmos: K-means, DBSCAN, One-Class SVM, Isolation Forest y HBMO, para la detección de outliers en conjuntos de datos educativos. El objetivo es identificar a los alumnos en riesgo de fracaso escolar mediante la aplicación de estos algoritmos en datos preprocesados. Evaluamos cada algoritmo en términos de precisión, recall, F1 score y tiempo de ejecución para determinar el más eficaz y eficiente. Este estudio busca proporcionar una herramienta que ayude a educadores a intervenir tempranamente, mejorando las oportunidades académicas y reduciendo las tasas de fracaso escolar.application/pdfspaOutliersClusteringKmeansDBSCANOneClassSVMIsolation ForestHBMOMachine learning algorithmsEducation data analysisSchool failure predictionMetaheuristicsinfo:eu-repo/semantics/bachelorThesis2024-08-27info:eu-repo/semantics/openAccess