Implementación de algoritmos de parallel boosting
En este trabajo de grado, se desarrollaron los diferentes algoritmos pertenecientes a la técnica de Boosting paralelo en Python. Para esto, se utilizaron librerías comunes en computación científica como lo son Scikit-Learn para el entrenamiento de modelos débiles, NumPy para el tratamiento de estruc...
- Autores:
-
López Rubiano, Daniel Felipe
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/73842
- Acceso en línea:
- https://hdl.handle.net/1992/73842
- Palabra clave:
- Machine learning
Boosting
Decission trees
Adaboost
XGboost
Parallel computing
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf