Técnicas de selección de variables en regresión lineal múltiple

62 páginas.

Detalles Bibliográficos
Autor: Roque López, Jennifer
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universidad Internacional de Andalucía (UNIA)
Repositorio:UNIA.Repositorio Abierto de la Universidad Internacional de Andalucía
OAI Identifier:oai:dspace.unia.es:10334/6557
Acceso en línea:https://hdl.handle.net/10334/6557
Access Level:acceso abierto
Palabra clave:Aprendizaje automático
Variables
Regresión lineal múltiple
id ES_1dcf7aaf019aedc3b4e2f7103d689ab8
oai_identifier_str oai:dspace.unia.es:10334/6557
network_acronym_str ES
network_name_str España
repository_id_str
spelling Técnicas de selección de variables en regresión lineal múltipleRoque López, JenniferRoque López, JenniferAprendizaje automáticoVariablesRegresión lineal múltiple62 páginas.Trabajo de Máster en Economía, Finanzas y Computación. Tutor: Dr. D. Antonio Javier Tallón Ballesteros. La selección de variables es una actividad crucial del preprocesamiento de datos. Diversas técnicas han sido propuestas, bajo cuatros enfoques: métodos filtro, embebido, semi-wrapper y wrapper. El objetivo del presente TFM es aplicar métodos de selección de variables a un conjunto datos para reducir la información irrelevante y proponer un plan de actuación para poder abordar tareas en el ámbito de reducción de dimensionalidad. Para tal fin se utilizan dos comandos de Stata, vselect y gvselect, propuestos por Lindsey y Sheather, los que permiten realizar la selección de variables tras realizar una regresión lineal. También se hace uso de los métodos CFS y ReliefF que brinda la herramienta Weka. Para la posterior medición y predicciones se utilizará el modelo de Regresión Lineal Múltiple.Variable selection is a crucial data preprocessing activity. Various techniques have been proposed, mainly under four approaches: filter, embedded, semi-wrapper and wrapper models irrelevant information. The objective of this Master dissertation is to apply variable selection methods to a test-bed to reduce irrelevant information and propose an action plan to be able to tackle tasks in the field of dimensionality reduction.. For this purpose, two Stata commands are used, vselect and gvselect, proposed by Lindsey and Sheather, which allow the selection of variables after performing a linear regression. The CFS and ReliefF methods provided by the Weka tool are also used. For subsequent measurement and predictions, the Multiple Linear Regression model will be used.Universidad Internacional de Andalucía202220222021info:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/10334/6557reponame:UNIA.Repositorio Abierto de la Universidad Internacional de Andalucíainstname:Universidad Internacional de Andalucía (UNIA)EspañolMáster en Economía, Finanzas y ComputaciónAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:dspace.unia.es:10334/65572026-06-21T12:48:57Z
dc.title.none.fl_str_mv Técnicas de selección de variables en regresión lineal múltiple
title Técnicas de selección de variables en regresión lineal múltiple
spellingShingle Técnicas de selección de variables en regresión lineal múltiple
Roque López, Jennifer
Aprendizaje automático
Variables
Regresión lineal múltiple
title_short Técnicas de selección de variables en regresión lineal múltiple
title_full Técnicas de selección de variables en regresión lineal múltiple
title_fullStr Técnicas de selección de variables en regresión lineal múltiple
title_full_unstemmed Técnicas de selección de variables en regresión lineal múltiple
title_sort Técnicas de selección de variables en regresión lineal múltiple
dc.creator.none.fl_str_mv Roque López, Jennifer
Roque López, Jennifer
author Roque López, Jennifer
author_facet Roque López, Jennifer
author_role author
dc.subject.none.fl_str_mv Aprendizaje automático
Variables
Regresión lineal múltiple
topic Aprendizaje automático
Variables
Regresión lineal múltiple
description 62 páginas.
publishDate 2021
dc.date.none.fl_str_mv 2021
2022
2022
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/10334/6557
url https://hdl.handle.net/10334/6557
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.relation.none.fl_str_mv Máster en Economía, Finanzas y Computación
dc.rights.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Internacional de Andalucía
publisher.none.fl_str_mv Universidad Internacional de Andalucía
dc.source.none.fl_str_mv reponame:UNIA.Repositorio Abierto de la Universidad Internacional de Andalucía
instname:Universidad Internacional de Andalucía (UNIA)
instname_str Universidad Internacional de Andalucía (UNIA)
reponame_str UNIA.Repositorio Abierto de la Universidad Internacional de Andalucía
collection UNIA.Repositorio Abierto de la Universidad Internacional de Andalucía
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869404301335461888
score 15,811543

Similares en LA Referencia