- -

Aplicación de modelos de clasificación a datos inciertos

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Aplicación de modelos de clasificación a datos inciertos

Show simple item record

Files in this item

dc.contributor.advisor Ferri Ramírez, César es_ES
dc.contributor.advisor Ramírez Quintana, María José es_ES
dc.contributor.author Quiroz Marcillo, Yandry Paul es_ES
dc.date.accessioned 2017-10-27T10:12:43Z
dc.date.available 2017-10-27T10:12:43Z
dc.date.created 2017-09-29
dc.date.issued 2017-10-27 es_ES
dc.identifier.uri http://hdl.handle.net/10251/90141
dc.description.abstract In the field of learning models from data, the quality of models depends to a large extent on the quality of the training data. That is the reason why the preparation and cleaning of data is one of the stages of the knowledge extraction process in which more time is investing. In fact, the most common scenario in the model training phase is that models be created under almost "perfect" conditions (and using "perfect" training data). However, the situation is often quite different during the model deployment phase, since, in the "real world", data usually contain noise, there may are missing or incorrect values, or even be uncertain, in the sense that we do not know their exact value, we only have an approximate knowledge of its value. In this Master Thesis, we will study how to apply the learning models to uncertain data. We will focus on classification problems in which uncertainty is only present in numerical attributes. es_ES
dc.description.abstract En el ámbito del aprendizaje de modelos a partir de datos, la calidad de los modelos depende en gran medida de la calidad de los datos usados en su entrenamiento. Es por ello, que de las etapas de que consta cualquier proceso de extracción de conocimiento, la de preparación y limpieza de los datos es la que ocupa un tiempo mayor. De hecho, es habitual que los modelos se generen con datos ¿limpios¿ bajo condiciones casi ¿perfectas¿. Sin embargo, la situación suele ser bastante diferente durante la etapa de aplicación del modelo, ya que los datos reales suelen contener ruido, puede haber valores faltantes, erróneos, o incluso ser inciertos en el sentido de que no conocemos su valor exacto, sino que solo tenemos un conocimiento aproximado de su valor. En este TFM vamos a estudiar este último caso, cómo aplicar modelos a datos inciertos. Vamos a centrarnos en problemas de clasificación en los que la incertidumbre solo está presente en atributos numéricos. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento (by) es_ES
dc.subject Classification es_ES
dc.subject Machine learning es_ES
dc.subject Model application es_ES
dc.subject Uncertain data es_ES
dc.subject Incertidumbre en los datos es_ES
dc.subject Aplicación de modelos es_ES
dc.subject Aprendizaje automático es_ES
dc.subject Clasificación es_ES
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Máster Universitario en Ingeniería y Tecnología de Sistemas Software-Màster Universitari en Enginyeria i Tecnologia de Sistemes Programari es_ES
dc.title Aplicación de modelos de clasificación a datos inciertos es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.description.bibliographicCitation Quiroz Marcillo, YP. (2017). Aplicación de modelos de clasificación a datos inciertos. http://hdl.handle.net/10251/90141 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\66049 es_ES


This item appears in the following Collection(s)

Show simple item record