Programación matemática para las máquinas de vector de apoyo
- Autores: Belén Martín Barragán
- Directores de la Tesis: Dolores Romero Morales (dir. tes.), Emilio Carrizosa Priego (dir. tes.)
- Lectura: En la Universidad de Sevilla ( España ) en 2006
- Idioma: español
- Tribunal Calificador de la Tesis: Daniel Peña Sánchez de Rivera (presid.), Rafael Blanquero Bravo (secret.), Bruno Simeone (voc.), Fernando López Blázquez (voc.), Frank Plastria (voc.)
- Materias:
- Texto completo no disponible (Saber más ...)
- Resumen
La reciente necesidad de analizar grandes cantidades de datos de todo tipo ha propiciado la aparición, en la frontera de varias áreas deferentes, de la Minería de Datos, Uno de los problemas a los que se enfrenta es el de la Clasificación, conocido en Estadística Clásica como Análisis Discriminante.
En esta tesis proponemos el uso de herramientas punteras de la Programación Matemática para obtener clasificadores más eficientes, basados en las Máquinas de Vector Soporte. En el problema de Clasificación, el objetivo principal es obtener clasificadores que clasifiquen correctamente un alto porcentaje de objetos. Sin embargo, tiene también un gran interés el hecho de que además sean baratos, o fácilmente interpretables, o útiles para detectar variables relevantes, o tengan en cuenta que la importancia de clasificar incorrectamente un objeto depende de la clase a la que éste pertenece.
A lo largo de los diferentes capítulos de esta tesis, usamos diferentes herramientas de la Programación Matemática, como la Generación de Columnas, la Programación Biobjetivo, o la Programación Entera Mixta, para tener en cuenta dichas propiedades deseables en los clasificadores obtenidos. Nuestros resultados, tanto computacionales como teóricos, muestran la gran utilidad de dichas herramientas.
