Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10908/23403
Título : | Clustering en alta dimensión : identificación de variables relevantes en datos mixtos |
Autor/a: | Martiarena, Griselda |
Mentor/a: | Svarc, Marcela |
Fecha de publicación : | 2023 |
Editor: | Universidad de San Andrés. Departamento de Matemática y Ciencias |
Resumen : | La aceleración del progreso tecnológico ha generado nuevos desafíos y oportunidades para la supervisión bancaria. El desarrollo y la aplicación de herramientas que facilitan y potencian su tarea es una de ellas. En este sentido, este trabajo aborda la clusterización de las entidades financieras argentinas, a partir de una cantidad considerable de información pública estructurada, y la identificación de las variables relevantes en este proceso. Para ello, se apoya en el empleo de un algoritmo genético y de la metodología de blinding para la selección de variables. En particular, amplía la aplicación de este último enfoque, no sólo a conjuntos de datos con variables numéricas, categóricas y binarias, sino también a métodos de clustering por particiones, siendo este el principal aporte metodológico. Adicionalmente, procura ofrecer una herramienta que permita entender más a fondo el ecosistema bancario en un contexto de volúmenes crecientes de datos. Los resultados finales obtenidos son satisfactorios, confirmando la solidez y utilidad de la estrategia de ocultamiento. |
Descripción : | Fil: Martiarena, Griselda. Universidad de San Andrés. Departamento de Matemática y Ciencias; Argentina. |
URI : | http://hdl.handle.net/10908/23403 |
Aparece en las colecciones: | Maestría en Ciencia de Datos |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
[P][W] M. C.deD. Martiarena, Griselda.pdf | 1.54 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.