Mostrar el registro sencillo del ítem

dc.contributor.advisorChue Gallardo, Jorge
dc.contributor.authorLuque Carbajal, Rosario Del Pilar
dc.date.accessioned2024-04-30T16:24:48Z
dc.date.available2024-04-30T16:24:48Z
dc.date.issued2024
dc.identifier.urihttps://hdl.handle.net/20.500.12996/6465
dc.descriptionUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificación. Departamento Académico de Estadística e Informáticaes_PE
dc.description.abstractEl presente trabajo monográfico busca demostrar que, para los datos empleados en la realización de la investigación, el algoritmo adaboosting presenta mejores resultados en la clasificación de clientes potenciales de un call center a diferencia de la regresión logística. Sin embargo, no se busca determinar que un algoritmo sea mejor que el otro, sino comprobar que, dada las características de las variables independientes, un algoritmo puede presentar mejores resultados y viceversa. Se utiliza una solución analítica avanzada que parte desde el análisis descriptivo de las variables, selección de variables, imputación de los datos y modelamiento predictivo, validación de los resultados en el tiempo; hasta la puesta en marcha a partir de los grupos de ejecución que permiten el despliegue y acción sobre los resultados obtenidos dado el trabajo desarrollado, exactitud del adaboosting 86% y exactitud de la regresión logística 78%.es_PE
dc.description.abstractThis monographic work aims to demostrate that, data used for this research gave positive results when applying adaboosting algorithm instead of logistic regression but it doesn’t mean that one of this techniques is better than the other for classification of potential customers of a call center. On the other hand, the objective is verify that, given the characteristics of the independent variables, an algorithm can present better results and viceversa. An advanced analytical solution is used and followed by the next steps: descriptive analysis of variables, feature selection, data imputation, predictive modelling and validation of the results over time. Until the start-up is deployed, we have to make the execution groups that allow the deployment and actions in order to have the results expected, adaboosting accuracy 86% and logist regression accuracy 78%.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Nacional Agraria La Molinaes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/es_PE
dc.subjectAlgoritmo adaboostinges_PE
dc.titleClasificación de clientes potenciales de un operador telefónico contactados por un call center utilizando regresión logística y adaboostinges_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
dc.coverageLima. Perúes_PE
thesis.degree.disciplineEstadística e Informáticaes_PE
thesis.degree.grantorUniversidad Nacional Agraria La Molina. Facultad de Economía y Planificaciónes_PE
thesis.degree.nameIngeniero Estadístico Informáticoes_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#4.05.00es_PE
renati.author.dni73944845es_PE
dc.publisher.countryPEes_PE
dc.type.versioninfo:eu-repo/semantics/publishedVersiones_PE
renati.advisor.orcidhttps://orcid.org/0000-0002-1040-7619es_PE
renati.advisor.dni08425706es_PE
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_PE
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.discipline542026es_PE
renati.jurorRosas Villena, Fernando René
renati.jurorFebres Huamán, Grimaldo José
renati.jurorVargas Paredes, Ana Cecilia


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess