Comparativa de técnicas de balanceo de datos. Aplicación a un caso real para la predicción de fuga de clientes

dc.contributor.advisor	Lastra García, Julia
dc.contributor.advisor	Carleos Artime, Carlos Enrique
dc.contributor.author	García Abad, Joaquín
dc.date.accessioned	2021-09-29T11:08:00Z
dc.date.available	2021-09-29T11:08:00Z
dc.date.issued	2021-05-27
dc.identifier.uri	http://hdl.handle.net/10651/60629
dc.description.abstract	El trabajo evalúa la incidencia de distintas técnicas de balanceo de datos sobre algoritmos para predicción de clase (en nuestro caso binaria). Concretamente se contrastará el comportamiento de hasta ocho técnicas de resampling (4 técnicas undersampling, 3 de oversampling y una técnica híbrida) diferentes sobre tres clasificadores distintos (regresión logística, bosques aleatorios y gradient boosting).	spa
dc.format.extent	112 p.
dc.language.iso	spa	spa
dc.relation.ispartofseries	Máster Universitario en Análisis de Datos para la Inteligencia de Negocios
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Internacional
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.title	Comparativa de técnicas de balanceo de datos. Aplicación a un caso real para la predicción de fuga de clientes	spa
dc.type	master thesis	spa
dc.rights.accessRights	open access

Este ítem está sujeto a una licencia Creative Commons