Application of Machine Learning techniques to the depopulation problem in Cantabria

Trabajo fin de Máster defendido en la Universidad de Cantabria, el 24 de junio de 2022 -Curso 2021-2022- Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)

Detalles Bibliográficos
Autor: Merino Lomas, Yaiza
Tipo de recurso: tesis de maestría
Fecha de publicación:2022
País:España
Institución:Consejo Superior de Investigaciones Científicas (CSIC)
Repositorio:DIGITAL.CSIC. Repositorio Institucional del CSIC
OAI Identifier:oai:digital.csic.es:10261/305470
Acceso en línea:http://hdl.handle.net/10261/305470
Access Level:acceso abierto
Palabra clave:Depopulation
Machine learning
Neural networks
Random forest
PCA
Ensemble learning
XGBoost
Despoblamiento
Aprendizaje automático
Redes neuronales
Bosques aleatorios
Aprendizaje por conjuntos
Cantabria
id ES_190d8c1df2749e2fa9b1c7ff42e5989b
oai_identifier_str oai:digital.csic.es:10261/305470
network_acronym_str ES
network_name_str España
repository_id_str
spelling Application of Machine Learning techniques to the depopulation problem in CantabriaAplicación de técnicas de Machine Learning al fenómeno de despoblamiento en CantabriaMerino Lomas, YaizaDepopulationMachine learningNeural networksRandom forestPCAEnsemble learningXGBoostDespoblamientoAprendizaje automáticoRedes neuronalesBosques aleatoriosAprendizaje por conjuntosCantabriaTrabajo fin de Máster defendido en la Universidad de Cantabria, el 24 de junio de 2022 -Curso 2021-2022- Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)[EN] Depopulation is a demographic phenomenon that currently generates great concern throughout the country. Hence, the Government of Cantabria is interested in studying how this phenomenon plays havoc with the Autonomous Community of Cantabria, to mitigate its effects. The aim of this Master's Degree Thesis is to find a solution to the depopulation problem through the use of neural networks. To achieve this goal, it will be necessary to complement this procedure with other machine learning and data mining techniques, such as principal component analysis, for reducing the dimensionality of the problem. Likewise, ensemble learning methods will be applied, such as random forests or XG Boost, in order to find the variables that have a greater weight. Ultimately, given that the autonomous communities of Aragon, Castile y León, Community of Navarra, La Rioja, Basque Country and Principality of Asturias show similar patterns of depopulation due to their proximity to Cantabria, the phenomenon will also be studied unitedly.[ES] El despoblamiento es un fenómeno demográfico que, en la actualidad, genera una gran preocupación en todo el país. Por esta razón, el Gobierno de Cantabria está interesado en que se estudie cómo perjudica este fenómeno a la Comunidad Autónoma de Cantabria, para así poder mitigar sus efectos. La finalidad de este Trabajo de Fin de Máster es encontrar una solución al problema que supone el despoblamiento mediante el uso de redes neuronales. Para lograr este cometido, será necesario complementar este procedimiento con otras técnicas de machine learning y minería de datos, tales como el análisis de componentes principales, para reducir la dimensionalidad del problema. Asimismo, se aplicarán métodos de aprendizaje por conjuntos, como bosques aleatorios o XG Boost, con el fin de encontrar las variables que poseen un mayor peso. Por último, dado que las comunidades autónomas de Aragón, Castilla y León, Comunidad Foral de Navarra, La Rioja, País Vasco y Principado de Asturias presentan patrones similares de despoblamiento por su cercanía con Cantabria, igualmente se estudiará el fenómeno en conjunto.Peer reviewedConsejo Superior de Investigaciones Científicas (España)Universidad de CantabriaUniversidad Internacional Menéndez PelayoCSIC-UC - Instituto de Física de Cantabria (IFCA)Lloret Iglesias, LaraConsejo Superior de Investigaciones Científicas [https://ror.org/02gfc7t72]202320232022info:eu-repo/semantics/masterThesishttp://purl.org/coar/resource_type/c_bdcchttp://hdl.handle.net/10261/305470reponame:DIGITAL.CSIC. Repositorio Institucional del CSICinstname:Consejo Superior de Investigaciones Científicas (CSIC)EspañolSíinfo:eu-repo/semantics/openAccessoai:digital.csic.es:10261/3054702026-05-22T06:33:51Z
dc.title.none.fl_str_mv Application of Machine Learning techniques to the depopulation problem in Cantabria
Aplicación de técnicas de Machine Learning al fenómeno de despoblamiento en Cantabria
title Application of Machine Learning techniques to the depopulation problem in Cantabria
spellingShingle Application of Machine Learning techniques to the depopulation problem in Cantabria
Merino Lomas, Yaiza
Depopulation
Machine learning
Neural networks
Random forest
PCA
Ensemble learning
XGBoost
Despoblamiento
Aprendizaje automático
Redes neuronales
Bosques aleatorios
Aprendizaje por conjuntos
Cantabria
title_short Application of Machine Learning techniques to the depopulation problem in Cantabria
title_full Application of Machine Learning techniques to the depopulation problem in Cantabria
title_fullStr Application of Machine Learning techniques to the depopulation problem in Cantabria
title_full_unstemmed Application of Machine Learning techniques to the depopulation problem in Cantabria
title_sort Application of Machine Learning techniques to the depopulation problem in Cantabria
dc.creator.none.fl_str_mv Merino Lomas, Yaiza
author Merino Lomas, Yaiza
author_facet Merino Lomas, Yaiza
author_role author
dc.contributor.none.fl_str_mv Lloret Iglesias, Lara
Consejo Superior de Investigaciones Científicas [https://ror.org/02gfc7t72]
dc.subject.none.fl_str_mv Depopulation
Machine learning
Neural networks
Random forest
PCA
Ensemble learning
XGBoost
Despoblamiento
Aprendizaje automático
Redes neuronales
Bosques aleatorios
Aprendizaje por conjuntos
Cantabria
topic Depopulation
Machine learning
Neural networks
Random forest
PCA
Ensemble learning
XGBoost
Despoblamiento
Aprendizaje automático
Redes neuronales
Bosques aleatorios
Aprendizaje por conjuntos
Cantabria
description Trabajo fin de Máster defendido en la Universidad de Cantabria, el 24 de junio de 2022 -Curso 2021-2022- Máster Interuniversitario en Ciencia de Datos / Master in Data Science (UIMP-UC-CSIC)
publishDate 2022
dc.date.none.fl_str_mv 2022
2023
2023
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
http://purl.org/coar/resource_type/c_bdcc
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10261/305470
url http://hdl.handle.net/10261/305470
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.relation.none.fl_str_mv Sí
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Consejo Superior de Investigaciones Científicas (España)
Universidad de Cantabria
Universidad Internacional Menéndez Pelayo
CSIC-UC - Instituto de Física de Cantabria (IFCA)
publisher.none.fl_str_mv Consejo Superior de Investigaciones Científicas (España)
Universidad de Cantabria
Universidad Internacional Menéndez Pelayo
CSIC-UC - Instituto de Física de Cantabria (IFCA)
dc.source.none.fl_str_mv reponame:DIGITAL.CSIC. Repositorio Institucional del CSIC
instname:Consejo Superior de Investigaciones Científicas (CSIC)
instname_str Consejo Superior de Investigaciones Científicas (CSIC)
reponame_str DIGITAL.CSIC. Repositorio Institucional del CSIC
collection DIGITAL.CSIC. Repositorio Institucional del CSIC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869404022577823744
score 15.812429

Similares en LA Referencia