Repositorio de producción científica de la Universidad de Sevilla

Constrained support vector machines theory and applications to health science

 

Advanced Search
 

Show simple item record

dc.contributor.advisor Blanquero Bravo, Rafael es
dc.contributor.advisor Carrizosa Priego, Emilio José es
dc.contributor.advisor Ramírez Cobo, Josefa es
dc.creator Benítez Peña, Sandra es
dc.date.accessioned 2016-07-15T10:55:44Z
dc.date.available 2016-07-15T10:55:44Z
dc.date.issued 2016-06-24
dc.identifier.citation Benítez Peña, S. (2016). Constrained support vector machines theory and applications to health science. (Trabajo fin de master inédito). Universidad de Sevilla, Sevilla.
dc.identifier.uri http://hdl.handle.net/11441/43676
dc.description.abstract En los últimos años, la ciencia de los datos se ha convertido en una herramienta muy importante para tratar datos, así como para descubrir patrones y generar información útil en la toma de decisiones. Una de las tareas más importantes de la ciencia de los datos es la clasificación supervisada, la cual se ha aplicado de forma exitosa en muchas áreas, tales como la biología o la medicina. En este trabajo nos centramos en los Support Vector Machines, introducidos por Vapnik a principios de los 90 y que hoy en día son de los más usados en clasificación supervisada. En primer lugar, se hace un breve repaso de la teoría general acerca de los SVM, centrándonos en el caso binario, y dando un breve repaso al caso multiclase. Tras ello, presentamos una nueva formulación de los mismos, en las que se añaden nuevas restricciones para intentar asegurar un mínimo en los valores de ciertas medidas de rendimiento como las probabilidades de clasificación correcta. Además se realizan experimentos usando el software estadístico R, así como AMPL. es
dc.format application/pdf es
dc.language.iso eng es
dc.rights Attribution-NonCommercial-NoDerivatives 4.0 Internacional *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0/ *
dc.title Constrained support vector machines theory and applications to health science es
dc.type info:eu-repo/semantics/masterThesis es
dc.type.version info:eu-repo/semantics/publishedVersion es
dc.rights.accessrights info:eu-repo/semantics/openAccess es
dc.contributor.affiliation Universidad de Sevilla. Departamento de Estadística e Investigación Operativa es
dc.description.degree Universidad de Sevilla. Máster Universitario en Matemáticas es
dc.contributor.group Universidad de Sevilla. FQM329: Optimizacion es
idus.format.extent 77 p. es
dc.identifier.idus https://idus.us.es/xmlui/handle/11441/43676
Size: 49.15Kb
Format: PDF
Size: 654.5Kb
Format: PDF

This item appears in the following Collection(s)

Show simple item record