Please use this identifier to cite or link to this item: https://hdl.handle.net/11000/7640
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorLandete, Mercedes-
dc.contributor.authorBadenes Palomar, Pablo-
dc.contributor.otherDepartamentos de la UMH::Estadística, Matemáticas e Informáticaes
dc.date.accessioned2021-05-06T17:47:50Z-
dc.date.available2021-05-06T17:47:50Z-
dc.date.created2018-06-
dc.date.issued2018-06-14-
dc.identifier.urihttp://hdl.handle.net/11000/7640-
dc.description.abstractLos modelos de predicción basados en árboles están a la cabeza de los últimos algoritmos usados. La idea del trabajo es construir un modelo desde 0 que me permita a partir de unos datos de entrenamiento crear una estructura sólida (a través del algoritmo del randomforest y su partición recursiva) que sirva para predecir cuándo un préstamo entra en fallido a futuroes
dc.formatapplication/pdfes
dc.format.extent42es
dc.language.isospaes
dc.publisherUniversidad Miguel Hernández de Elchees
dc.rightsinfo:eu-repo/semantics/openAccesses
dc.subjectmodeloses
dc.subjectpredicciónes
dc.subjectrandmforestes
dc.subject.otherCDU::3 - Ciencias sociales::31 - Demografía. Sociología. Estadística::311 - Estadísticaes
dc.subject.otherCDU::6 - Ciencias aplicadas::65 - Gestión y organización. Administración y dirección de empresas. Publicidad. Relaciones públicas. Medios de comunicación de masases
dc.titlePredicción de préstamos fallidoses
dc.typeinfo:eu-repo/semantics/bachelorThesises
Appears in Collections:
TFG - Estadística Empresarial


Thumbnail

View/Open:
 TFG-Badenes Palomar, Pablo.pdf
1,89 MB
Adobe PDF
Share:


Creative Commons ???jsp.display-item.text9???