Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales

Este Trabajo Fin de Máster tiene como objetivo predecir la esperanza de vida al nacimiento en los municipios andaluces utilizando técnicas de aprendizaje automático. Para ello se recopilaron datos socioeconómicos, demográficos y geográficos de diferentes fuentes oficiales, que posteriormente fueron...

Descripción completa

Detalles Bibliográficos
Autor: Iglesias Martín, Mercedes
Tipo de recurso: tesis de maestría
Fecha de publicación:2025
País:España
Institución:Universidad Loyola Andalucía
Repositorio:Brújula
OAI Identifier:oai:repositorio.uloyola.es:20.500.12412/6874
Acceso en línea:https://hdl.handle.net/20.500.12412/6874
Access Level:acceso abierto
Palabra clave:Esperanza de vida
Municipios andaluces
Aprendizaje automático
Selección de variables
PCA
Random Forest
XGBoost
Redes Neuronales
id ES_da72785d4a3cd4bbcd8359357a78d72e
oai_identifier_str oai:repositorio.uloyola.es:20.500.12412/6874
network_acronym_str ES
network_name_str España
repository_id_str
spelling Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionalesIglesias Martín, MercedesEsperanza de vidaMunicipios andalucesAprendizaje automáticoSelección de variablesPCARandom ForestXGBoostRedes NeuronalesEste Trabajo Fin de Máster tiene como objetivo predecir la esperanza de vida al nacimiento en los municipios andaluces utilizando técnicas de aprendizaje automático. Para ello se recopilaron datos socioeconómicos, demográficos y geográficos de diferentes fuentes oficiales, que posteriormente fueron preprocesados y analizados mediante un estudio exploratorio. Se aplicaron distintas estrategias de reducción de dimensionalidad, como la selección de variables por correlación y VIF, así como el Análisis de Componentes Principales (PCA). Además, se construyó un conjunto adicional de predictores a partir de los resultados del análisis exploratorio. Con estos conjuntos de datos se entrenaron y evaluaron diferentes modelos: Random Forest, XGBoost, Procesos Gaussianos y Redes Neuronales. Los resultados muestran que las redes neuronales, especialmente con un conjunto reducido de variables muy correlacionadas con la esperanza de vida, ofrecieron el mejor rendimiento en términos de precisión y capacidad de generalización. No obstante, los conjuntos más amplios también resultaron relevantes al capturar la complejidad del fenómeno.Máster Universitario en Inteligencia ArtificialVenegas Pardo, Marta2025info:eu-repo/semantics/masterThesishttps://hdl.handle.net/20.500.12412/6874reponame:Brújulainstname:Universidad Loyola AndalucíaEspañolhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:repositorio.uloyola.es:20.500.12412/68742026-06-24T12:48:37Z
dc.title.none.fl_str_mv Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
title Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
spellingShingle Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
Iglesias Martín, Mercedes
Esperanza de vida
Municipios andaluces
Aprendizaje automático
Selección de variables
PCA
Random Forest
XGBoost
Redes Neuronales
title_short Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
title_full Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
title_fullStr Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
title_full_unstemmed Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
title_sort Predicción de la esperanza de vida en municipios andaluces mediante análisis de indicadores multidimensionales
dc.creator.none.fl_str_mv Iglesias Martín, Mercedes
author Iglesias Martín, Mercedes
author_facet Iglesias Martín, Mercedes
author_role author
dc.contributor.none.fl_str_mv Venegas Pardo, Marta
dc.subject.none.fl_str_mv Esperanza de vida
Municipios andaluces
Aprendizaje automático
Selección de variables
PCA
Random Forest
XGBoost
Redes Neuronales
topic Esperanza de vida
Municipios andaluces
Aprendizaje automático
Selección de variables
PCA
Random Forest
XGBoost
Redes Neuronales
description Este Trabajo Fin de Máster tiene como objetivo predecir la esperanza de vida al nacimiento en los municipios andaluces utilizando técnicas de aprendizaje automático. Para ello se recopilaron datos socioeconómicos, demográficos y geográficos de diferentes fuentes oficiales, que posteriormente fueron preprocesados y analizados mediante un estudio exploratorio. Se aplicaron distintas estrategias de reducción de dimensionalidad, como la selección de variables por correlación y VIF, así como el Análisis de Componentes Principales (PCA). Además, se construyó un conjunto adicional de predictores a partir de los resultados del análisis exploratorio. Con estos conjuntos de datos se entrenaron y evaluaron diferentes modelos: Random Forest, XGBoost, Procesos Gaussianos y Redes Neuronales. Los resultados muestran que las redes neuronales, especialmente con un conjunto reducido de variables muy correlacionadas con la esperanza de vida, ofrecieron el mejor rendimiento en términos de precisión y capacidad de generalización. No obstante, los conjuntos más amplios también resultaron relevantes al capturar la complejidad del fenómeno.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12412/6874
url https://hdl.handle.net/20.500.12412/6874
dc.language.none.fl_str_mv Español
language_invalid_str_mv Español
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Brújula
instname:Universidad Loyola Andalucía
instname_str Universidad Loyola Andalucía
reponame_str Brújula
collection Brújula
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869421578915151872
score 15,812429

Similares en LA Referencia