Métodos predictivos de data Mining en el control de procesos industriales

Entre los objetivos principales del análisis de datos en contextos industriales, aparece la predicción, es decir, identificar una función que permita predecir el valor de una respuesta de interés a partir de los valores que toman otras variables consideradas como potenciales predictores de esa respu...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Dianda, Daniela Fernanda, Quaglino, Marta Beatriz, Pagura, José Alberto
Otros Autores:	Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
Formato:	conferenceObject documento de conferencia publishedVersion
Lenguaje:	Español
Publicado:	2017
Materias:	Árboles de decisión CART Regresión lineal Error de medición Error de predicción CART decision trees Linear regression Measurement error Prediction Error
Acceso en línea:	http://hdl.handle.net/2133/8894 http://hdl.handle.net/2133/8894
Aporte de:	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) de Universidad Nacional de Rosario

id	I15-R121-2133-8894
record_format	dspace
institution	Universidad Nacional de Rosario
institution_str	I-15
repository_str	R-121
collection	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR)
language	Español
orig_language_str_mv	spa
topic	Árboles de decisión CART Regresión lineal Error de medición Error de predicción CART decision trees Linear regression Measurement error Prediction Error
spellingShingle	Árboles de decisión CART Regresión lineal Error de medición Error de predicción CART decision trees Linear regression Measurement error Prediction Error Dianda, Daniela Fernanda Quaglino, Marta Beatriz Pagura, José Alberto Métodos predictivos de data Mining en el control de procesos industriales
topic_facet	Árboles de decisión CART Regresión lineal Error de medición Error de predicción CART decision trees Linear regression Measurement error Prediction Error
description	Entre los objetivos principales del análisis de datos en contextos industriales, aparece la predicción, es decir, identificar una función que permita predecir el valor de una respuesta de interés a partir de los valores que toman otras variables consideradas como potenciales predictores de esa respuesta. Los grandes volúmenes de datos que la tecnología actual permite generar y almacenar han hecho necesario el desarrollo de técnicas de análisis alternativas a las tradicionales para lograr este objetivo, que permitan procesar y predecir la respuesta en tiempo real. Englobados bajo la denominación de Data Mining, muchos de estos nuevos métodos están basados en algoritmos automáticos originados mayormente en el ámbito informático. No obstante, la calidad de la información que alimenta a estos procedimientos sigue siendo un factor clave para asegurar la confiabilidad de los resultados. Con esta premisa es que en este trabajo se aborda el estudio del efecto que la presencia de fallas en los dispositivos de medición que originan la información, pueden causar sobre la capacidad predictiva de uno de los métodos disponibles, los árboles de decisión. Las medidas de eficiencia se definen a partir de la comparación con una técnica estadística tradicional, la regresión lineal múltiple. Los resultados señalan que la existencia de errores de medida tiene un efecto diferenciado sobre la capacidad predictiva de los árboles de decisión, según la naturaleza del error
author2	Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario
author_facet	Secretaría de Ciencia y Tecnología. Facultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario Dianda, Daniela Fernanda Quaglino, Marta Beatriz Pagura, José Alberto
format	conferenceObject documento de conferencia publishedVersion
author	Dianda, Daniela Fernanda Quaglino, Marta Beatriz Pagura, José Alberto
author_sort	Dianda, Daniela Fernanda
title	Métodos predictivos de data Mining en el control de procesos industriales
title_short	Métodos predictivos de data Mining en el control de procesos industriales
title_full	Métodos predictivos de data Mining en el control de procesos industriales
title_fullStr	Métodos predictivos de data Mining en el control de procesos industriales
title_full_unstemmed	Métodos predictivos de data Mining en el control de procesos industriales
title_sort	métodos predictivos de data mining en el control de procesos industriales
publishDate	2017
url	http://hdl.handle.net/2133/8894 http://hdl.handle.net/2133/8894
work_keys_str_mv	AT diandadanielafernanda metodospredictivosdedataminingenelcontroldeprocesosindustriales AT quaglinomartabeatriz metodospredictivosdedataminingenelcontroldeprocesosindustriales AT pagurajosealberto metodospredictivosdedataminingenelcontroldeprocesosindustriales
bdutipo_str	Repositorios
_version_	1764820413585555458

Métodos predictivos de data Mining en el control de procesos industriales

Ejemplares similares