Experimentos de predicción con Gradient Boosting y Random Forest.

Cimarra Muñoz, Daniel (2018). Experimentos de predicción con Gradient Boosting y Random Forest.. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM).

Descripción

Título: Experimentos de predicción con Gradient Boosting y Random Forest.
Autor/es:
  • Cimarra Muñoz, Daniel
Director/es:
  • Mira McWilliams, José Manuel
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Junio 2018
Materias:
Palabras Clave Informales: Predicción, R, Random Forest, Gradient Boosting, randomForest, mboost, ntree, MSE-OOB, Variabilidad Explicada, mstop, base-learner, gamboost, cvrisk, predict.
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería de Organización, Administración de Empresas y Estadística
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

El presente trabajo hace un estudio intensivo de predicción en R, a partir de datos simulados, con algoritmos de aprendizaje, utilizando las técnicas Random Forest y Gradient Boosting sobre distintos modelos de función, y comparando el rendimiento de ambos métodos en cada caso.

Más información

ID de Registro: 51959
Identificador DC: http://oa.upm.es/51959/
Identificador OAI: oai:oa.upm.es:51959
Depositado por: Biblioteca ETSI Industriales
Depositado el: 10 Sep 2018 12:33
Ultima Modificación: 10 Sep 2018 12:33
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • InvestigaM
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM