Clasificación supervisada con redes neuronales : un caso de aplicación / María Inés Stimolo.
Detalles de publicación: [S.l. : s.n. ], 2005.Descripción: 125 h. : il. ; 30 cmTema(s): Nota de disertación: Tesis (Magister en Estadística Aplicada)--Universidad Nacional de Córdoba, 2005. Resumen: En este trabajo se ha seleccionado una muestra con las características de alrededor de 9700 clientes extraída de una base de datos de una empresa de telefonía móvil a partir de la cual se estima una función discriminante que permita encontrar la probabilidad de que un cliente abandone el servicio como así también identificar factores de riesgo que permitan predecir si un cliente abandonará el mismo. Entre los múltiples enfoques disponibles en la actualidad para construir reglas de clasificación se han seleccionado el Modelo de Regresión Logística y las Redes Neuronales, los que dieron como resultado un porcentaje de error de clasificación muy similar, alrededor de 12 por ciento.Tipo de ítem | Biblioteca actual | Signatura topográfica | Copia número | Estado | Notas | Fecha de vencimiento | Código de barras | Reserva de ítems | |
---|---|---|---|---|---|---|---|---|---|
Magister | FaMAF Secc. Tesis y Trabajos especiales | MGE S858 | 1 | Disponible | Ej. de CONSULTA | 18810 |
Maestría conjunta con la Facultad de Cs. Económicas y Facultad de Cs. Agropecuarias-UNC.
Tesis (Magister en Estadística Aplicada)--Universidad Nacional de Córdoba, 2005.
Bibliografía: h. 125-126.
En este trabajo se ha seleccionado una muestra con las características de alrededor de 9700 clientes extraída de una base de datos de una empresa de telefonía móvil a partir de la cual se estima una función discriminante que permita encontrar la probabilidad de que un cliente abandone el servicio como así también identificar factores de riesgo que permitan predecir si un cliente abandonará el mismo. Entre los múltiples enfoques disponibles en la actualidad para construir reglas de clasificación se han seleccionado el Modelo de Regresión Logística y las Redes Neuronales, los que dieron como resultado un porcentaje de error de clasificación muy similar, alrededor de 12 por ciento.