Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/103213
Title: Segmentación/clusterización con algoritmos de Machine Learning. Aplicación a un caso de Ciencias Sociales
Authors: Vega Morales, Adrián
Director: Romero Quintero, Leonardo 
Sánchez Medina, Agustín Jesús 
UNESCO Clasification: 120317 Informática
5311 Organización y dirección de empresas
Keywords: Machine learning
LCA
K-means
Intención de abandono
Entrepreneurial exit
Issue Date: 2020
Abstract: Las distintas técnicas de Machine Learning, que tratan de estudiar patrones comunes en datos, son cada vez más utilizadas en todos los ámbitos, incluyendo campos como la psicología o el márketing. Entre estas técnicas se encuentran las no supervisadas, como LCA o k-means, en las que el algoritmo busca patrones en una población de datos de la que no se conoce nada previamente. Por este motivo, resultan más útiles en estudios exploratorios y son los que se han considerado más adecuados en el presente trabajo, cuya finalidad es intentar encontrar las causas de una mayor intención de abandono entre los empresarios del sector turístico canario.
Different Machine Learning techniques try to study patterns in data and are increasingly used in areas like psychology or marketing. Among these techniques there are unsupervised ones, such as LCA or k-means, in which the algorithm looks for patterns in a database for which there isn’t prior knowledge. For this reason, these are more useful in exploratory studies and have been considered more suitable in present work. This work tries to find the causes of entrepreneurial exit among the entrepreneurs of the Canary tourism sector.
Department: Departamento de Economía y Dirección De Empresas
Degree: Programa de doble titulación: Grado en Ingeniería Informática y Grado en Administración y Dirección de Empresas
URI: http://hdl.handle.net/10553/103213
Appears in Collections:Trabajo final de grado

En el caso de que no encuentre el documento puede ser debido a que el centro o las/os autoras/es no autorizan su publicación. Si tiene verdadero interés en el contenido del mismo, puede dirigirse al director/a o directores/as del trabajo cuyos datos encontrará más arriba.

Show full item record

Google ScholarTM

Check


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.