RT info:eu-repo/semantics/bachelorThesis
T1 Empirical study of dimensionality reduction methodologies for classification problems
A1 Orbegoso Barrantes, Daniel Gerald
K1 Data mining
K1 Dimensionality reduction
K1 Python
K1 NCSI
K1 Feature engineering
K1 Mental health
K1 DSM-III-R disorders
K1 Informática
K1 Computer science
AB 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.
YR 2017
FD 2017
LK http://hdl.handle.net/10017/31994
UL http://hdl.handle.net/10017/31994
LA eng
DS MINDS@UW
RD 20-abr-2024