%0 Journal Article 
%A Orbegoso Barrantes, Daniel Gerald
%T Empirical study of dimensionality reduction methodologies for classification problems
%D 2017
%U http://hdl.handle.net/10017/31994
%X Cuando hablamos de “Dimensionality Reduction” en Informática o “Big Data” nos referimos al proceso de reducción de variables previamente examinadas de un conjunto de datos para poder así obtener un conjunto de variables menor que nos permitirá construir un modelo de datos igual o con mejor precisión y menor cantidad de datos.
Con este propósito se aplican técnicas de “Feature Selection” y “Feature Extraction”, con la primera de ellas extraemos un conjunto de características importantes de un dataset mediante el uso de distintos algoritmos de “machine learning”, mientras que con la segunda obtendremos un nuevo conjunto de características obtenidas a partir de las características originales.
En este trabajo de fin de grado hacemos un estudio empírico sobre las distintas metodologías para clasificación de problemas utilizando un dataset médico llamado NCS-1 de pacientes clínicos con distintas patologías médicas, estudiamos los distintos algoritmos que se pueden aplicar a cada caso determinado con dicho dataset, y finalmente con los datos obtenidos realizamos un benchmark que nos permite entender mejor los distintos modelos estudiados.

%K Data mining
%K Dimensionality reduction
%K Python
%K NCSI
%K Feature engineering
%K Mental health
%K DSM-III-R disorders
%K Informática
%K Computer science
%~ Biblioteca Universidad de Alcala