Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility

165 p.

Detalles Bibliográficos
Autor: Urkullu Villanueva, Ari
Tipo de recurso: tesis doctoral
Fecha de publicación:2025
País:España
Institución:Universidad del País Vasco
Repositorio:Addi. Archivo Digital para la Docencia y la Investigación
OAI Identifier:oai:addi.ehu.eus:10810/76480
Acceso en línea:http://hdl.handle.net/10810/76480
Access Level:acceso abierto
Palabra clave:inteligencia artificial
heurística
id ES_057ef1dd99efc8a31735e99084da1b94
oai_identifier_str oai:addi.ehu.eus:10810/76480
network_acronym_str ES
network_name_str España
repository_id_str
spelling Selection Procedures in Machine Learning: Scores, Estimations, and ReproducibilityUrkullu Villanueva, Ariinteligencia artificialheurística165 p.La clasificación supervisada se erige como un problema fundamental en el aprendizaje automático, siendo los procedimientos para la selección de características y modelos de máxima importancia en este contexto. En este ámbito, surgen tres desafíos clave relacionados con la selección de modelos y características: determinarla medida de calidad adecuada que guíe el proceso de selección, estimar con precisión dicha medida de calidad a partir de los datos proporcionados, y analizar el impacto de la incertidumbre en la reproducibilidad del proceso de selección. Esta disertación aborda estos tres aspectos relacionados con la selección utilizados en la clasificación supervisada. En el ámbito de selección de clasificadores en entornos de datos generados mediante crowdsourcing, se plantean y estudian tres métodos para estimar el AUC cuando la verdad subyacente no está disponible. En el ámbito de la selección de características basada en rankings, se propone un modelo estadístico para medir la reproducibilidad de los algoritmos de selección de características basada en ranking. También en el ámbito de la selección de características basada en rankings, se proponen medidas alternativas a las pruebas estadísticas tradicionales que ofrecen un mejor compromiso entre reproducibilidad y desempeño en la selección de características.Pérez Martínez, AritzCalvo Molinos, Borja2025202520252025info:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/10810/76480reponame:Addi. Archivo Digital para la Docencia y la Investigacióninstname:Universidad del País VascoInglésinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/es/Atribución-NoComercial-CompartirIgual 3.0 España(cc) 2025 Ari Urkullu Villanueva (cc by-nc-sa 4.0)oai:addi.ehu.eus:10810/764802026-06-18T09:23:17Z
dc.title.none.fl_str_mv Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
title Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
spellingShingle Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
Urkullu Villanueva, Ari
inteligencia artificial
heurística
title_short Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
title_full Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
title_fullStr Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
title_full_unstemmed Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
title_sort Selection Procedures in Machine Learning: Scores, Estimations, and Reproducibility
dc.creator.none.fl_str_mv Urkullu Villanueva, Ari
author Urkullu Villanueva, Ari
author_facet Urkullu Villanueva, Ari
author_role author
dc.contributor.none.fl_str_mv Pérez Martínez, Aritz
Calvo Molinos, Borja
dc.subject.none.fl_str_mv inteligencia artificial
heurística
topic inteligencia artificial
heurística
description 165 p.
publishDate 2025
dc.date.none.fl_str_mv 2025
2025
2025
2025
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10810/76480
url http://hdl.handle.net/10810/76480
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/es/
Atribución-NoComercial-CompartirIgual 3.0 España
(cc) 2025 Ari Urkullu Villanueva (cc by-nc-sa 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/es/
Atribución-NoComercial-CompartirIgual 3.0 España
(cc) 2025 Ari Urkullu Villanueva (cc by-nc-sa 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Addi. Archivo Digital para la Docencia y la Investigación
instname:Universidad del País Vasco
instname_str Universidad del País Vasco
reponame_str Addi. Archivo Digital para la Docencia y la Investigación
collection Addi. Archivo Digital para la Docencia y la Investigación
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869402858740252672
score 15.811543

Similares en LA Referencia