Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)

Trabajo fin de máster en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones

Detalhes bibliográficos
Autor: Viña Carmona, Pablo de
Tipo de documento: dissertação
Data de publicação:2018
País:España
Recursos:Universidad Autónoma de Madrid
Repositório:Biblos-e Archivo. Repositorio Institucional de la UAM
Idioma:espanhol
OAI Identifier:oai:repositorio.uam.es:10486/682687
Acesso em linha:http://hdl.handle.net/10486/682687
Access Level:Acceso aberto
Palavra-chave:Machine learning
Bag of little bootstraps
BLB
Informática
id ES_53928da0acda7e30e52870d8bb1a50d6
oai_identifier_str oai:repositorio.uam.es:10486/682687
network_acronym_str ES
network_name_str España
repository_id_str
spelling Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)Viña Carmona, Pablo deMachine learningBag of little bootstrapsBLBInformáticaTrabajo fin de máster en Investigación e Innovación en Tecnologías de la Información y las ComunicacionesRandomization techniques represent a fundamental tool used to improve the performance of many machine learning techniques. These techniques aim to generate many simple solutions of the problem in question to later combine them obtaining a more precise solution. Some of them are Bagging, Random Forest and most recently developed Bag of Little Bootstraps (BLB). We know that the total amount of data in the world was 4.4 zettabytes in 2013 and that is set to rise steeply to 44 zettabytes by 2020. It is clear that the world is changing and the methods we use to analyze it must do as well; what might be e cient for a dataset of a given size becomes unmanageable for another dataset of larger size. For this reason, researchers at the University of California developed a method to work with much larger data sets than usual: the Bag of Little Boostraps. This method does not intend to analyze the data in a signi cantly di erent way to the traditional bagging, but is intended to be a modi cation of this much more e cient than the original. In this paper we will study the BLB and its main characteristics: its e ectiveness as an automatic learning method, its strengths, its weaknesses, as well as the conditions for a dataset to be a good candidate to be analyzed with this method. Finally, we will discuss possible improvements of the method as well as possible ways of working to followLas técnicas de aleatorización representan una herramienta fundamental utilizada para mejorar el rendimiento de muchas técnicas de aprendizaje automático. Estas técnicas pretenden generar múltiples soluciones simples del problema en cuestión para luego combinarlas obteniendo una solución más precisa. Algunas de las técnicas de este tipo son Bagging, Random Forest y más recientemente desarrollado Bag of Little Bootstraps (BLB). Sabemos que la cantidad total de datos en el mundo fue de 4.4 zettabytes en 2013 y que está previsto que aumente abruptamente a 44 zettabytes en 2020. Está claro que el mundo está cambiando y los métodos que utilizamos para analizarlo deben hacerlo también; lo que podría ser e ciente para un conjunto de datos de un tamaño dado se vuelve inmanejable para otro conjunto de datos de mayor tamaño. Por esta razón, los investigadores de la Universidad de California desarrollaron un método para trabajar con conjuntos de datos mucho más grandes de lo habitual: Bag of Little Bootstraps. Este método no pretende analizar los datos de una manera signi cativamente diferente al bagging tradicional, sino que pretende ser una modi cación de este mucho más e ciente. En este trabajo se estudiará el BLB y sus principales características: su e cacia como método de aprendizaje automático, sus puntos fuertes, sus debilidades, así como las condiciones para que un conjunto de datos sea un buen candidato para ser analizado con este método. Finalmente, se plantearán posibles mejoras del método así como posibles vías de trabajo a seguirMartínez Muñoz, GonzaloDepartamento de Ingeniería InformáticaEscuela Politécnica Superior20182018-02-13master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10486/682687reponame:Biblos-e Archivo. Repositorio Institucional de la UAMinstname:Universidad Autónoma de MadridEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:repositorio.uam.es:10486/6826872026-06-23T12:46:27Z
dc.title.none.fl_str_mv Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
title Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
spellingShingle Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
Viña Carmona, Pablo de
Machine learning
Bag of little bootstraps
BLB
Informática
title_short Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
title_full Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
title_fullStr Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
title_full_unstemmed Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
title_sort Study on viability, strengths and weaknesses of bag of little bootstraps (BLB)
dc.creator.none.fl_str_mv Viña Carmona, Pablo de
author Viña Carmona, Pablo de
author_facet Viña Carmona, Pablo de
author_role author
dc.contributor.none.fl_str_mv Martínez Muñoz, Gonzalo
Departamento de Ingeniería Informática
Escuela Politécnica Superior
dc.subject.none.fl_str_mv Machine learning
Bag of little bootstraps
BLB
Informática
topic Machine learning
Bag of little bootstraps
BLB
Informática
description Trabajo fin de máster en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-02-13
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10486/682687
url http://hdl.handle.net/10486/682687
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblos-e Archivo. Repositorio Institucional de la UAM
instname:Universidad Autónoma de Madrid
instname_str Universidad Autónoma de Madrid
reponame_str Biblos-e Archivo. Repositorio Institucional de la UAM
collection Biblos-e Archivo. Repositorio Institucional de la UAM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869408125436559360
score 15.301629

Registros relacionados