Modelo de clasificación y predicción multivariable de calidad de servicio mediante indicadores de atención utilizando métodos híbridos de selección de variables y extreme gradient boosting
Descripción del Articulo
Desarrolla un modelo de predicción de calidad de servicio a través de indicadores de atención utilizando métodos híbridos de selección como el Recursive Feature Elimination (RFE), Shrinkaje L1 L2 y extreme gradient boosting (XGBoost), lográndose obtener una Precisión de hasta el 93.75%, una Exactitu...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Fecha de Publicación: | 2022 |
| Institución: | Universidad Nacional Mayor de San Marcos |
| Repositorio: | UNMSM-Tesis |
| Lenguaje: | español |
| OAI Identifier: | oai:cybertesis.unmsm.edu.pe:20.500.12672/18207 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12672/18207 |
| Nivel de acceso: | acceso abierto |
| Materia: | Predicciones Calidad https://purl.org/pe-repo/ocde/ford#2.02.05 |
| Sumario: | Desarrolla un modelo de predicción de calidad de servicio a través de indicadores de atención utilizando métodos híbridos de selección como el Recursive Feature Elimination (RFE), Shrinkaje L1 L2 y extreme gradient boosting (XGBoost), lográndose obtener una Precisión de hasta el 93.75%, una Exactitud de hasta el 88.89% , una Sensibilidad de hasta el 92.86% y un puntaje F1 de hasta 88.31% además de una reducción de variables de hasta el 53.3%. |
|---|
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
