Show simple item record

dc.contributor.advisorMerlino, Hernán
dc.creatorCiciliani, Gabriel
dc.date.accessioned2019-08-22T20:39:20Z
dc.date.available2019-08-22T20:39:20Z
dc.date.issued2019-02-20
dc.identifier.urihttp://hdl.handle.net/20.500.12272/3903
dc.description.abstractEn el campo de la Ingeniería de explotación de información, el proceso de descubrimiento de reglas de pertenencia a grupos se caracteriza por la utilización combinada de un proceso de descubrimiento de grupos (clustering) y uno de inducción de reglas. Dada la variedad de algoritmos de clustering e inducción de reglas disponibles en la actualidad, es de interés poder conocer a priori que pareja de algoritmos es más conveniente para un set de datos, en a base sus características. En esta tesis, se propone un proceso que permite validar el rendimiento de los algoritmos, en base a métricas internas, para distintos tipos de sets de datos, con características específicas, de forma tal que permita comprender bajo que características cada pareja de algoritmos ofrece mejor rendimiento.es_ES
dc.description.abstractIn the data mining field, the group membership rules discovery process consists of utilizing a group discovery (clustering) and rules induction process combined. Due to the broad variety of clustering and rules induction algorithms currently available, it is considered of interest to know beforehand which pair of algorithms is more convenient for a given dataset, based just on its properties. In this thesis, a process that allows to validate algorithms performance, based on internal metrics, for different datasets, with specific characteristics, is proposed, so that it allows to understand under which characteristics, each algorithm pair offers better performance.es_ES
dc.formattext/plaines_ES
dc.language.isospaes_ES
dc.publisherEscuela de Posgrado - Facultad Regional Buenos Aireses_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSistemas de Informaciónes_ES
dc.subjectMinería de datoses_ES
dc.subjectClusteringes_ES
dc.subjectInducción de reglases_ES
dc.subjectDescubrimiento de reglas de pertenencia a gruposes_ES
dc.subjectEstudio de algoritmoses_ES
dc.subjectData mininges_ES
dc.subjectRules inductiones_ES
dc.subjectMembership rules discoveryes_ES
dc.subjectAlgorithms studyes_ES
dc.titleEstudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a gruposes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.holderFacultad Regional Buenos Aires. Universidad Tecnológica Nacional.es_ES
dc.description.affiliationFil: Ciciliani, Gabriel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.es_ES
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.type.snrdinfo:ar-repo/semantics/tesis de maestríaes_ES
dc.contributor.coadvisorMartins, Sebastian
dc.rights.useAtribución – No comercial – Compartir igual (by-nc-sa): No se permite un uso comercial de la obra original ni de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.es_ES
dc.rights.useAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess