Clasificación supervisada con redes neuronales. Un caso de aplicación
Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados ; Argentina, 2005.
Main Author: | |
---|---|
Other Authors: | |
Format: | masterThesis |
Language: | spa |
Published: |
2021
|
Subjects: | |
Online Access: | http://hdl.handle.net/11086/20868 |
_version_ | 1801212911023030272 |
---|---|
author | Stimolo, María Inés |
author2 | Cannas, Sergio A. |
author_facet | Cannas, Sergio A. Stimolo, María Inés |
author_sort | Stimolo, María Inés |
collection | Repositorio Digital Universitario |
description | Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados ; Argentina, 2005. |
format | masterThesis |
id | rdu-unc.20868 |
institution | Universidad Nacional de Cordoba |
language | spa |
publishDate | 2021 |
record_format | dspace |
spelling | rdu-unc.208682023-05-31T12:37:15Z Clasificación supervisada con redes neuronales. Un caso de aplicación Stimolo, María Inés Cannas, Sergio A. Díaz, Margarita Haedo, Ana Silvia Decisiones empresariales Discriminante lógico Redes neuronales Tasas de error Perceptrón multicapa Estadística Tesis (Maestría en Estadística Aplicada) -- Universidad Nacional de Córdoba. Facultad de Ciencias Económicas. Escuela de Graduados ; Argentina, 2005. Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. Uno de los objetivos del área de Marketing de una empresa es identificar los clientes que tienen alta probabilidad de abandonar el servicio prestado por la misma, los cuales son considerados clientes de riesgo. 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. La eficacia del modelo es evaluada estimando la tasa de error, medida como la proporción de individuos mal clasificados en una muestra test, la cual es independiente al conjunto de datos considerado para la elaboración del modelo. 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 del 12%). Fil: Stimolo, María Inés. Universidad Nacional de Córdoba. Facultad de Ciencias Económicas; Argentina. 2021-10-20T13:28:02Z 2021-10-20T13:28:02Z 2005 masterThesis http://hdl.handle.net/11086/20868 spa Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ |
spellingShingle | Decisiones empresariales Discriminante lógico Redes neuronales Tasas de error Perceptrón multicapa Estadística Stimolo, María Inés Clasificación supervisada con redes neuronales. Un caso de aplicación |
title | Clasificación supervisada con redes neuronales. Un caso de aplicación |
title_full | Clasificación supervisada con redes neuronales. Un caso de aplicación |
title_fullStr | Clasificación supervisada con redes neuronales. Un caso de aplicación |
title_full_unstemmed | Clasificación supervisada con redes neuronales. Un caso de aplicación |
title_short | Clasificación supervisada con redes neuronales. Un caso de aplicación |
title_sort | clasificacion supervisada con redes neuronales un caso de aplicacion |
topic | Decisiones empresariales Discriminante lógico Redes neuronales Tasas de error Perceptrón multicapa Estadística |
url | http://hdl.handle.net/11086/20868 |
work_keys_str_mv | AT stimolomariaines clasificacionsupervisadaconredesneuronalesuncasodeaplicacion |