RT Generic
T1 SVM y árboles de decisión: una aplicación práctica en una base de datos real
T2 SVM and Decision Trees: A Practical Application on a Real Dataset
A1 Moral Fernández, Teresa
K1 Árboles (Teoría de grafos)
K1 Ciencias - Trabajos Fin de Grado
K1 Grado en Matemáicas
AB Este trabajo tiene como objetivo introducir los principios fundamentales del aprendizajesupervisado, en particular, se centrará en la clasificación binaria. Para ello, se presentany comparan dos modelos de clasificación: uno de carácter lineal resuelto a partir de unproblema de optimización, conocido como Máquinas de Vectores Soporte, y otro de naturaleza heurística y carácter no lineal, los Árboles de Decisión. Ambas metodologías seaplican a una base de datos real.El Capítulo 1 introduce los conceptos fundamentales del aprendizaje automático, distinguiendo entre sus principales tipologías. En particular, se profundiza en el aprendizajesupervisado y se presenta el concepto de clasificación binaria, que será el enfoque adoptadoa lo largo del trabajo.En el Capítulo 2 se estudia la clasificación binaria mediante el uso de Máquinas deVectores Soporte (en inglés, Support Vector Machines). Se analizan tanto el caso de datoslinealmente separables, conocido como SVM de margen duro, como el caso más generalen el que se permiten ciertos errores en la clasificación, abordado mediante el SVM demargen blando.El Capítulo 3 se centra en los ´Arboles de Decisión como técnica alternativa de clasificación. Se describen sus elementos fundamentales, así como el proceso de construcción y entrenamiento del modelo. Asimismo, se explica en detalle el funcionamiento del algoritmo CART, utilizado para su resolución.El Capítulo 4 presenta los experimentos computacionales realizados. Se entrenan yevalúan los modelos introducidos en los capítulos anteriores utilizando una base de datosreal procedente de la estación meteorológica de la Base Naval de Rota (Cádiz). Además, secomparan ambos modelos aplicándolos a diferentes combinaciones de variables de entrada.Por ´último, el Capítulo 5 recoge las conclusiones extraídas del estudio y plantea posibleslíneas futuras de trabajo.
YR 2025
FD 2025-06
LK https://hdl.handle.net/10630/39419
UL https://hdl.handle.net/10630/39419
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 20 ene 2026