Machine Learning: Regresión logística multiclase y aplicación para la clasificación de terrenos

Tizne Ondiviela, David
López Ruiz, Ricardo (dir.)

Universidad de Zaragoza, CIEN, 2024

Graduado en Matemáticas

Abstract: En este trabajo se explicará la formulación de los modelos de regresión logística en su versión binaria y multiclase, así como el proceso que nos permite obtener el mejor ajuste de los mismos. Posteriormente, se definirá un conjunto de medidas que nos servirá para evaluar el rendimiento obtenido en los modelos. Finalmente, se realizará una aplicación práctica de la teoría definida.
La aplicación práctica será determinar qué tipo de planta es la más abundante en un conjunto de muestras recogidas en diferentes terrenos de los Estados Unidos, con la finalidad de comprobar que todo lo definido a lo largo de este trabajo es suficiente para realizar un algoritmo capaz de aprender de los datos.

Tipo de Trabajo Académico: Trabajo Fin de Grado