Predicción y selección de características, mediante análisis local de la fiabilidad, para el mercado de valores y su extensión a problemas de clasificación y regresión
- Autores: Ricardo Martín Manso
- Directores de la Tesis: Inés María Galván León (dir. tes.)
, Ricardo Aler Mur (codir. tes.) - Lectura: En la Universidad Carlos III de Madrid ( España ) en 2017
- Idioma: español
- Tribunal Calificador de la Tesis: Pedro Isasi Viñuela (presid.) , David Camacho Fernández (secret.) , Sonia Schulenburg (voc.)
- Enlaces
- Tesis en acceso abierto en: e-Archivo
- Resumen
Esta tesis se encuadra dentro del ámbito del Aprendizaje Automático, un área de la Inteligencia Artificial (IA). A lo largo de la misma, se han diseñado y validado experimentalmente, nuevas técnicas de selección de atributos y de clasificación.
La motivación para el desarrollo de dichas técnicas, se basa en el deseo de implementar herramientas adecuadas para tratar problemas de selección de atributos y de clasificación en un dominio de especial dificultad: el mercado de valores.
Se ha partido de la hipótesis de que los factores que dificultan la clasificación correcta de los datos son, a menudo, un ratio desfavorable entre información y ruido, una alta dimensionalidad, escasez de patrones y desbalanceo del número de patrones de cada clase. Una vez identificados dichos factores, se han diseñado técnicas robustas frente a éstos, concretamente un algoritmo de selección de atributos (con diferentes variantes) y un algoritmo de clasificación.
Estas técnicas se han validado sobre un exhaustivo conjunto de problemas generados artificialmente y en problemas reales del mercado de valores.
Por último, se ha explorado la posibilidad de utilizar las nuevas técnicas de selección de atributos propuestas en problemas convencionales. Para ello, se han validado sobre un conjunto de dominios reales de uso común en Aprendizaje Automático, tanto para clasificación como para regresión.
