Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uci.cu/jspui/handle/123456789/7175
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorGonzález Diez, Hector Raúl-
dc.contributor.authorHernández García, Eduardo-
dc.contributor.authorBlanco Rodríguez, Antonio Darío-
dc.coverage.spatial1001206es
dc.date.accessioned2017-02-02T19:07:57Z-
dc.date.available2017-02-02T19:07:57Z-
dc.date.issued2015-
dc.identifier.urihttps://repositorio.uci.cu/jspui/handle/123456789/7175-
dc.description.abstractLa presente investigación, titulada Extensión de algoritmos de estadística multivariada para problemas de predicción con salidas compuestas como parte de la herramienta Mulan, tiene como objetivo implementar, como extensión de Mulan, los algoritmos basados en modelos de predicción con salidas compuestas, que explotan la interdependencia entre las variables de salida a través de la estadística multivariada. Además mejorar el error predictivo con respecto a los algoritmos del estado del arte para determinados problemas. En la investigación se partió del estudio de los diferentes algoritmos de estadística multivariada, que explotan la interdependencia entre las variables de salida, para tratar problemas de predicción con salidas compuestas, así como un estado actual de los algoritmos que solucionan problemas de predicción con salidas compuestas. La estadística multivariada proporciona métodos objetivos para conocer la relación que existe entre dos conjuntos de variables y cuántas variables son necesarias para describir una realidad compleja y determinar su estructura. Los problemas de predicción con salidas compuestas son aquellos que permiten predecir un conjunto de variables de salida de manera simultánea a partir de un conjunto de entrenamiento dado, estos se dividen en dos grupos, los que explotan la interdependencia entre las variables de salida (explota la relación entre las variables de salida) y los que no (cada variable de salida se determina de forma independiente). Se emplearon 12 bases de datos reales para evaluar los algoritmos mediante el promedio del error cuadrático medio entre lo predicho por los algoritmos y lo medido en cada base de datos para las variables de salida. Se aplicó la prueba no paramétrica de Friedman para comparar estadísticamente los resultados de los algoritmos y la prueba posthoc de Nemenyi para determinar si existen diferencias significativas. Como conclusiones, se pudo determinar que los algoritmos que tratan la interdependencia entra las variables de salida en los problemas de predicción con salidas compuestas muestran mejores resultados en cuanto al error de la predicción con respecto a los que no la tratan, además haciendo uso de la estadística multivariada para el tratamiento de la interdependencia entre las variables de salida se mejoró el error predictivo en varias de las bases de datos evaluadas.es
dc.language.isospaes
dc.publisherUniversidad de las Ciencias Informáticas. Facultad 2es
dc.subjectESTADISTICA MULTIVARIADAes
dc.subjectPROBLEMAS DE PREDICCION CON SALIDAS COMPUESTASes
dc.subject.otherALGORITMOSes
dc.subject.otherBASES DE DATOSes
dc.titleExtensión de algoritmos de estadística multivariada para problemas de predicción con salidas compuestas como parte de la herramienta Mulanes
dc.typebachelorThesises
Aparece en las colecciones: Trabajos de Diploma

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TD_07970_15.pdf
  Restricted Access
620.31 kBAdobe PDFVisualizar/Abrir


Los ítems del Repositorio están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.