Estudio y aplicación de métodos basados en interacciones para el aprendizaje automático sobre conjuntos de elementos

Fernández González, Carla (2019). Estudio y aplicación de métodos basados en interacciones para el aprendizaje automático sobre conjuntos de elementos. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Estudio y aplicación de métodos basados en interacciones para el aprendizaje automático sobre conjuntos de elementos
Author/s:
  • Fernández González, Carla
Contributor/s:
  • Bielza Lozoya, María Concepción
  • Larrañaga Múgica, Pedro
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: September 2019
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview

Abstract

En el aprendizaje automático, existen múltiples problemas cuyas instancias se prestan a ser modeladas como conjuntos de elementos. Un ejemplo de ello podría darse en el deporte, donde un equipo puede ser modelado como un conjunto de jugadores, cada uno con sus propias características, que interactúan de cierta manera para tratar de obtener el mejor resultado. En la actualidad, la literatura sobre métodos predictivos que permitan tener en cuenta estas interacciones no es muy extensa. La mayor parte de los métodos de aprendizaje clásicos, como el random forest, asumen que cada instancia representará únicamente un elemento con sus variables, de manera que se dificulta la inclusión de información sobre relaciones entre conjuntos de elementos, que resulta vital en muchos dominios de aplicación. En este trabajo, se realiza un estudio de los diversos métodos disponibles para utilizar información sobre interacciones en instancias compuestas por conjuntos de elementos, y de esta manera tratar de mejorar las predicciones. Adicionalmente, con el fin de poner a prueba uno de los métodos expuestos, se genera un modelo basado en interacciones, capaz de predecir cómo rendirían varios jugadores si jugasen en conjunto, partiendo de sus estadísticas individuales en la temporada actual. Asimismo, se compara dicho método con alternativas como redes neuronales con nodos totalmente conectados, observando una mejora en los resultados de la predicción.---ABSTRACT---In machine learning, there are multiple problems whose instances could be modeled as sets of elements. An example of this can be found in sports, where a team can be modeled as a set of players, each with their own characteristics, who interact in different ways to try to attain the best results. Currently, the literature on predictive methods that allow these interactions to be taken into account is not very extensive. Most of the classic learning methods, such as random forest, assume that each instance will represent only one element with its variables, so that it is difficult to include information about relationships among sets of elements, which is vital in many application domains. In this work, we study various available methods to leverage information about interactions in instances composed of sets of elements, and in this way try to improve the predictions. Additionally, in order to test one of the presented methods, an interaction-based model is generated, capable of predicting how several players would perform if they played together, based on their individual statistics in the current season. Likewise, this method is compared with alternatives such as fully-connected neural networks, observing an improvement in the prediction results.

More information

Item ID: 56595
DC Identifier: http://oa.upm.es/56595/
OAI Identifier: oai:oa.upm.es:56595
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 30 Sep 2019 07:48
Last Modified: 30 Sep 2019 07:48
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM