Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.usfq.edu.ec/handle/23000/10590| Tipo de material: | bachelorThesis |
| Título : | Performance comparison between random forest and multilayer perceptron prediction models in a classification problem on substance consumption based on psychological indicators |
| Autor : | Ayala Tola, Mateo Alejandro |
| Director de Tesis : | Pérez Pérez, Noel, dir. |
| Descriptores : | Minería de datos - Uso de drogas - Tesis y disertaciones académicas |
| Fecha de publicación : | 2021 |
| Editorial : | Quito |
| Citación : | Tesis (Ingeniero en Ciencias de la Computación) , Universidad San Francisco de Quito , Colegio de Ciencias e Ingenierías ; Quito, Ecuador, 2021 |
| Páginas : | 40 h. |
| Acceso: | openAccess Atribución-NoComercial-SinDerivadas 3.0 Ecuador |
| Resumen : | El ambiente universitario, tanto a escala global y ecuatoriana, presenta una situación de alto estrés psicológico que causa abuso de substancias en estudiantes. Una posible solución es usar algoritmos de predicción de minería de datos para detectar este abuso. Multilayer Perceptron son usualmente usados para estas predicciones, pero reentrenarlos es usualmente costoso. Se propone los Random Forest como una alternativa, y su desempeño es evaluado y comparado al desempeño de un MLP en un problema multiclase de clasificación de consumo de alcohol usando indicadores psicológicos y metadatos... |
| Descripción : | The university environment, both on a global and Ecuadorian scale, presents a high-stress psychological situation that causes substance abuse in students. A possible solution is using data mining prediction algorithms for early detection of such consumption. Usually, Multilayer Perceptron models are used for such prediction but retraining them is usually costly. Random Forests are proposed as an alternative, and their performance is evaluated and compared to the performance of an MLP in an alcohol consumption multi-class classification problem using psychological indicators and metadata... |
| URI : | http://repositorio.usfq.edu.ec/handle/23000/10590 |
| Aparece en las colecciones: | Tesis - Ingeniería en Ciencias de la Computación |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 136404.pdf | Texto completo | 1.41 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
