Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria

RESUMEN: 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....

Descripción completa

Detalles Bibliográficos
Autor: Merino Lomas, Yaiza
Tipo de recurso: tesis de maestría
Fecha de publicación:2022
País:España
Institución:Universidad de Cantabria (UC)
Repositorio:UCrea Repositorio Abierto de la Universidad de Cantabria
Idioma:español
OAI Identifier:oai:repositorio.unican.es:10902/26244
Acceso en línea:https://hdl.handle.net/10902/26244
Access Level:acceso abierto
Palabra clave:Despoblamiento
Cantabria
Aprendizaje automático
Redes neuronales
Bosques aleatorios
PCA
Aprendizaje por conjuntos
Extreme gradient boosting
Depopulation
Machine learning
Neural networks
Random forest
Ensemble learning
XGBoost
id ES_3d2f5c4d4e11d6aee4ed636a0dc4a24e
oai_identifier_str oai:repositorio.unican.es:10902/26244
network_acronym_str ES
network_name_str España
repository_id_str
spelling Aplicación de técnicas de machine learning al problema del despoblamiento en CantabriaApplication of machine learning techniques to the depopulation problem in CantabriaMerino Lomas, YaizaDespoblamientoCantabriaAprendizaje automáticoRedes neuronalesBosques aleatoriosPCAAprendizaje por conjuntosExtreme gradient boostingDepopulationMachine learningNeural networksRandom forestEnsemble learningXGBoostRESUMEN: 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.ABSTRACT: 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 and Leon, 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.Máster en Ciencia de DatosLloret Iglesias, LaraUniversidad de Cantabria20222022-06-27master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesishttps://hdl.handle.net/10902/26244reponame:UCrea Repositorio Abierto de la Universidad de Cantabriainstname:Universidad de Cantabria (UC)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 3.0 Españahttp://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:repositorio.unican.es:10902/262442026-06-02T12:39:31Z
dc.title.none.fl_str_mv Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
Application of machine learning techniques to the depopulation problem in Cantabria
title Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
spellingShingle Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
Merino Lomas, Yaiza
Despoblamiento
Cantabria
Aprendizaje automático
Redes neuronales
Bosques aleatorios
PCA
Aprendizaje por conjuntos
Extreme gradient boosting
Depopulation
Machine learning
Neural networks
Random forest
Ensemble learning
XGBoost
title_short Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
title_full Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
title_fullStr Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
title_full_unstemmed Aplicación de técnicas de machine learning al problema del despoblamiento en Cantabria
title_sort Aplicación de técnicas de machine learning al problema del despoblamiento en 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
Universidad de Cantabria
dc.subject.none.fl_str_mv Despoblamiento
Cantabria
Aprendizaje automático
Redes neuronales
Bosques aleatorios
PCA
Aprendizaje por conjuntos
Extreme gradient boosting
Depopulation
Machine learning
Neural networks
Random forest
Ensemble learning
XGBoost
topic Despoblamiento
Cantabria
Aprendizaje automático
Redes neuronales
Bosques aleatorios
PCA
Aprendizaje por conjuntos
Extreme gradient boosting
Depopulation
Machine learning
Neural networks
Random forest
Ensemble learning
XGBoost
description RESUMEN: 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.
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-06-27
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/10902/26244
url https://hdl.handle.net/10902/26244
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 3.0 España
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 3.0 España
http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:UCrea Repositorio Abierto de la Universidad de Cantabria
instname:Universidad de Cantabria (UC)
instname_str Universidad de Cantabria (UC)
reponame_str UCrea Repositorio Abierto de la Universidad de Cantabria
collection UCrea Repositorio Abierto de la Universidad de Cantabria
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869406423838883840
score 15,301603

Similares en LA Referencia