Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires

Este trabajo de fin de posgrado se centra en la realización de un caso de estudio que consiste en la predicción sobre la probabilidad de baja de usuarios en el servicio público de bicicletas de la Ciudad Autónoma de Buenos Aires, mejor conocido como “Ecobicis”. Para el desarrollo del mismo fueron...

Descripción completa

Detalles Bibliográficos
Autor principal: Merlini Serasio, Juan Manuel
Otros Autores: Vilieri, Ignacio Martín
Formato: Tesis de maestría acceptedVersion
Lenguaje:Español
Publicado: Universidad Torcuato Di Tella 2023
Materias:
Bicicleta
Predicción tecnológica
Technological Prediction
Bike Share System
Ecobici
XGBoost
CatBoost
Acceso en línea:https://repositorio.utdt.edu/handle/20.500.13098/12219
Aporte de:
Repositorio Digital Universidad Torcuato Di Tella de Universidad Torcuato Di Tella
id I57-R163-20.500.13098-12219
record_format dspace
spelling I57-R163-20.500.13098-122192023-12-14T07:29:35Z Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires Merlini Serasio, Juan Manuel Vilieri, Ignacio Martín Bicicleta Predicción tecnológica Technological Prediction Bike Share System Ecobici XGBoost CatBoost Este trabajo de fin de posgrado se centra en la realización de un caso de estudio que consiste en la predicción sobre la probabilidad de baja de usuarios en el servicio público de bicicletas de la Ciudad Autónoma de Buenos Aires, mejor conocido como “Ecobicis”. Para el desarrollo del mismo fueron necesarios conocimientos sobre aprendizaje automático de tipo supervisado y feature engineering para la determinación de dos grupos de usuarios (churn y no churn). En particular, el estudio basado en clasificación mediante boosting (haciendo foco en modelos basados en XGBoost y CatBoost), la búsqueda de los mejores parámetros basado en técnicas de optimización de los mismos (GridSearch) para su implementación y mejor rendimiento así como también el diseño de variables que nos ayuden a mejorar la predictibilidad y poder obtener mejores insights de los datos. This postgraduate dissertation focuses on the development of a case study that consists of the prediction of the probability of users leaving the Ciudad Autónoma de Buenos Aires’s public bicycle service, better known as "Ecobicis". The development of this case study required knowledge of supervised machine learning and feature engineering for the determination of two groups of users (churn and non-churn). In particular, the study is based on boosting classification (focusing on models based on XGBoost and CatBoost), the search for the best parameters based on optimization techniques (GridSearch) for their implementation and better performance as well as the design of variables that help us to improve predictability and to obtain better insights from the data. 2023-12-13T13:08:15Z 2023-12-13T13:08:15Z 2023 info:eu-repo/semantics/masterThesis info:ar-repo/semantics/tesis de maestría info:eu-repo/semantics/acceptedVersion https://repositorio.utdt.edu/handle/20.500.13098/12219 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-sa/2.5/ar/ 66 p. application/pdf application/pdf Ciudad Autónoma de Buenos Aires Universidad Torcuato Di Tella
institution Universidad Torcuato Di Tella
institution_str I-57
repository_str R-163
collection Repositorio Digital Universidad Torcuato Di Tella
language Español
orig_language_str_mv spa
topic Bicicleta
Predicción tecnológica
Technological Prediction
Bike Share System
Ecobici
XGBoost
CatBoost
spellingShingle Bicicleta
Predicción tecnológica
Technological Prediction
Bike Share System
Ecobici
XGBoost
CatBoost
Merlini Serasio, Juan Manuel
Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
topic_facet Bicicleta
Predicción tecnológica
Technological Prediction
Bike Share System
Ecobici
XGBoost
CatBoost
description Este trabajo de fin de posgrado se centra en la realización de un caso de estudio que consiste en la predicción sobre la probabilidad de baja de usuarios en el servicio público de bicicletas de la Ciudad Autónoma de Buenos Aires, mejor conocido como “Ecobicis”. Para el desarrollo del mismo fueron necesarios conocimientos sobre aprendizaje automático de tipo supervisado y feature engineering para la determinación de dos grupos de usuarios (churn y no churn). En particular, el estudio basado en clasificación mediante boosting (haciendo foco en modelos basados en XGBoost y CatBoost), la búsqueda de los mejores parámetros basado en técnicas de optimización de los mismos (GridSearch) para su implementación y mejor rendimiento así como también el diseño de variables que nos ayuden a mejorar la predictibilidad y poder obtener mejores insights de los datos.
author2 Vilieri, Ignacio Martín
author_facet Vilieri, Ignacio Martín
Merlini Serasio, Juan Manuel
format Tesis de maestría
Tesis de maestría
acceptedVersion
author Merlini Serasio, Juan Manuel
author_sort Merlini Serasio, Juan Manuel
title Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
title_short Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
title_full Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
title_fullStr Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
title_full_unstemmed Predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de Buenos Aires
title_sort predicción de baja de usuarios en el sistema público de bicicletas de la ciudad de buenos aires
publisher Universidad Torcuato Di Tella
publishDate 2023
url https://repositorio.utdt.edu/handle/20.500.13098/12219
work_keys_str_mv AT merliniserasiojuanmanuel predicciondebajadeusuariosenelsistemapublicodebicicletasdelaciudaddebuenosaires
_version_ 1808040545443905536

Ejemplares similares