Buscar en Google Scholar
Título: Machine Learning utilizando el Método Boosting de ensemble para la deserción estudiantil en EBR
Asesor(es): Saboya Ríos, Nemias
Palabras clave: PrecisiónExactitudSensibilidad
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2023
Institución: Universidad César Vallejo
Resumen: La finalidad del presente proyecto fue determinar la mejora del modelo predictivo de machine learning utilizando el método Boosting en la predicción de la deserción estudiantil en EBR (Educación Básica Regular), como metodología se utilizó KDD (Descubrimiento de conocimiento en base de datos) y para la medición se hizo el uso de tres indicadores: Precisión, Sensibilidad y Exactitud. Como resultado final, obtuvimos que el modelo predictivo que hace uso de varios logaritmos de aprendizaje sí mejora la predicción en la deserción estudiantil en la educación mencionada anteriormente. Finalmente, se concluyó que, de los algoritmos empleados, CATBOOST es el que nos brinda unos niveles más altos en lo que respecta a los indicadores seleccionados. Es así como tenemos un 97% en exactitud, 70% en precisión y 74% en sensibilidad.
Nota: Lima Norte; Escuela de Ingeniería de Sistemas; Sistemas de Información y Comunicaciones; Desarrollo sostenible, emprendimientos y responsabilidad social.; Desarrollo económico, empleo y emprendimiento; Trabajo decente y crecimiento económico
Disciplina académico-profesional: Ingeniería de Sistemas
Institución que otorga el grado o título: Universidad César Vallejo. Facultad de Ingeniería y Arquitectura
Grado o título: Ingeniero de Sistemas
Jurado: Necochea Chamorro, Jorge Isaac; Hilario Falcon, Francisco Manuel; Saboya Rios, Nemias
Fecha de registro: 20-feb-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons