Miniatura

Fitxers

SanchoMoralesSaray-TFG.pdf (853.77 KB)

Tipus de document

Treball de fi de grau

Data de publicació

2020-06

Llicència de publicació

cc-by-nc-nd (c) Sancho Morales, 2020
Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/172115

Relevancia de variables en Redes Neuronales

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

Resum

[cast] Algunos algoritmos predictivos (como las redes neuronales) usualmente presentan mejores re- sultados en predicción que los modelos estadísticos que resuelven los mismos problemas (por ejemplo, el modelo de regresión lineal o GLM). Por el contrario, los modelos estadísticos son más fácilmente interpretables que los modelos algorítmicos porque ofrecen una medida de la contribución a la predicción que hace cada una de las variables explicativas. Este TFG parte del trabajo de Delicado and Peña (2019) titulado Variable relevance by ghost variables y quiere comparar estas medidas generales con las medidas que se han definido en la literatura para redes neuronales.

Descripció

Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2019-2020, Tutor: Pedro Delicado Useros

Matèries

Xarxes neuronals (Informàtica), Aprenentatge automàtic, Estadística, Treballs de fi de grau

Matèries (anglès)

Neural networks (Computer science), Machine learning, Statistics, Bachelor's theses

Citació

Col·leccions

Treballs Finals de Grau (TFG) - Estadística UB-UPC

Citació

SANCHO MORALES, Saray. Relevancia de variables en Redes Neuronales. [consulta: 21 de gener de 2026]. [Disponible a: https://hdl.handle.net/2445/172115]

Exportar metadades

JSON - METS

Compartir registre