Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos
- Autores
- Ciciliani, Gabriel
- Año de publicación
- 2019
- Idioma
- español castellano
- Tipo de recurso
- tesis de maestría
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Merlino, Hernán
Martins, Sebastian - Descripción
- En 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.
In 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.
Fil: Ciciliani, Gabriel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina. - Materia
-
Sistemas de Información
Minería de datos
Clustering
Inducción de reglas
Descubrimiento de reglas de pertenencia a grupos
Estudio de algoritmos
Data mining
Rules induction
Membership rules discovery
Algorithms study - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- 2019-08-22T20:39:20Z
- Repositorio
.jpg)
- Institución
- Universidad Tecnológica Nacional
- OAI Identificador
- oai:ria.utn.edu.ar:20.500.12272/3903
Ver los metadatos del registro completo
| id |
RIAUTN_fa70b493ab064e2132eb1eb492537680 |
|---|---|
| oai_identifier_str |
oai:ria.utn.edu.ar:20.500.12272/3903 |
| network_acronym_str |
RIAUTN |
| repository_id_str |
a |
| network_name_str |
Repositorio Institucional Abierto (UTN) |
| spelling |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a gruposCiciliani, GabrielSistemas de InformaciónMinería de datosClusteringInducción de reglasDescubrimiento de reglas de pertenencia a gruposEstudio de algoritmosData miningRules inductionMembership rules discoveryAlgorithms studyEn 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.In 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.Fil: Ciciliani, Gabriel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina.Escuela de Posgrado - Facultad Regional Buenos AiresMerlino, HernánMartins, Sebastian2019-08-22T20:39:20Z2019-08-22T20:39:20Z2019-02-20info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriatext/plainapplication/pdfhttp://hdl.handle.net/20.500.12272/3903spainfo:eu-repo/semantics/openAccess2019-08-22T20:39:20Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Facultad Regional Buenos Aires. Universidad Tecnológica Nacional.Atribución – 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.Attribution-NonCommercial-NoDerivatives 4.0 Internacionalreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-29T11:27:38Zoai:ria.utn.edu.ar:20.500.12272/3903instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-29 11:27:39.278Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse |
| dc.title.none.fl_str_mv |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| title |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| spellingShingle |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos Ciciliani, Gabriel Sistemas de Información Minería de datos Clustering Inducción de reglas Descubrimiento de reglas de pertenencia a grupos Estudio de algoritmos Data mining Rules induction Membership rules discovery Algorithms study |
| title_short |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| title_full |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| title_fullStr |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| title_full_unstemmed |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| title_sort |
Estudio de pertinencia de algoritmos en procesos de descubrimiento de reglas de pertenencia a grupos |
| dc.creator.none.fl_str_mv |
Ciciliani, Gabriel |
| author |
Ciciliani, Gabriel |
| author_facet |
Ciciliani, Gabriel |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Merlino, Hernán Martins, Sebastian |
| dc.subject.none.fl_str_mv |
Sistemas de Información Minería de datos Clustering Inducción de reglas Descubrimiento de reglas de pertenencia a grupos Estudio de algoritmos Data mining Rules induction Membership rules discovery Algorithms study |
| topic |
Sistemas de Información Minería de datos Clustering Inducción de reglas Descubrimiento de reglas de pertenencia a grupos Estudio de algoritmos Data mining Rules induction Membership rules discovery Algorithms study |
| dc.description.none.fl_txt_mv |
En 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. In 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. Fil: Ciciliani, Gabriel. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires; Argentina. |
| description |
En 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. |
| publishDate |
2019 |
| dc.date.none.fl_str_mv |
2019-08-22T20:39:20Z 2019-08-22T20:39:20Z 2019-02-20 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_bdcc info:ar-repo/semantics/tesisDeMaestria |
| format |
masterThesis |
| status_str |
acceptedVersion |
| dc.identifier.none.fl_str_mv |
http://hdl.handle.net/20.500.12272/3903 |
| url |
http://hdl.handle.net/20.500.12272/3903 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess 2019-08-22T20:39:20Z http://creativecommons.org/licenses/by-nc-nd/4.0/ Facultad Regional Buenos Aires. Universidad Tecnológica Nacional. Atribución – 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. Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
2019-08-22T20:39:20Z http://creativecommons.org/licenses/by-nc-nd/4.0/ Facultad Regional Buenos Aires. Universidad Tecnológica Nacional. Atribución – 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. Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| dc.format.none.fl_str_mv |
text/plain application/pdf |
| dc.publisher.none.fl_str_mv |
Escuela de Posgrado - Facultad Regional Buenos Aires |
| publisher.none.fl_str_mv |
Escuela de Posgrado - Facultad Regional Buenos Aires |
| dc.source.none.fl_str_mv |
reponame:Repositorio Institucional Abierto (UTN) instname:Universidad Tecnológica Nacional |
| reponame_str |
Repositorio Institucional Abierto (UTN) |
| collection |
Repositorio Institucional Abierto (UTN) |
| instname_str |
Universidad Tecnológica Nacional |
| repository.name.fl_str_mv |
Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional |
| repository.mail.fl_str_mv |
gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar |
| _version_ |
1880396327735525376 |
| score |
13.334379 |