2026-05-28T22:16:46Zhttps://riuma.uma.es/rest/oai/request

oai:riuma.uma.es:10630/394192026-02-03T10:25:23Zcom_10630_1685col_10630_38055

SVM y árboles de decisión: una aplicación práctica en una base de datos real Moral Fernández, Teresa Jiménez-Cordero, María Asunción Árboles (Teoría de grafos) Ciencias - Trabajos Fin de Grado Grado en Matemáicas Este trabajo tiene como objetivo introducir los principios fundamentales del aprendizaje supervisado, en particular, se centrará en la clasificación binaria. Para ello, se presentan y comparan dos modelos de clasificación: uno de carácter lineal resuelto a partir de un problema de optimización, conocido como Máquinas de Vectores Soporte, y otro de naturaleza heurística y carácter no lineal, los Árboles de Decisión. Ambas metodologías se aplican 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 aprendizaje supervisado y se presenta el concepto de clasificación binaria, que será el enfoque adoptado a lo largo del trabajo. En el Capítulo 2 se estudia la clasificación binaria mediante el uso de Máquinas de Vectores Soporte (en inglés, Support Vector Machines). Se analizan tanto el caso de datos linealmente separables, conocido como SVM de margen duro, como el caso más general en el que se permiten ciertos errores en la clasificación, abordado mediante el SVM de margen 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 y evalúan los modelos introducidos en los capítulos anteriores utilizando una base de datos real procedente de la estación meteorológica de la Base Naval de Rota (Cádiz). Además, se comparan ambos modelos aplicándolos a diferentes combinaciones de variables de entrada. Por ´último, el Capítulo 5 recoge las conclusiones extraídas del estudio y plantea posibles líneas futuras de trabajo. 2025-07-18T11:53:23Z 2025-07-18T11:53:23Z 2025-06 bachelor thesis https://hdl.handle.net/10630/39419 spa http://creativecommons.org/licenses/by-nc-nd/4.0/ open access Attribution-NonCommercial-NoDerivatives 4.0 Internaciona