[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-124818-es":3,"doc-seo-124818-110":31,"detail-sidebar-cat-0-es-110":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},124818,962084926284,"Aurora","https://ap-avatar.wpscdn.com/davatar_29158cc5080c5b710cf443261637dec0",41,"Investigación e Informes","Machine Learning Avanzado con Algoritmos Híbridos - Trabajo Fin de Grado","Trabajo fin de grado centrado en una revisión teórica de algoritmos de Machine Learning supervisado, abarcando métodos paramétricos como la regresión y métodos no paramétricos basados en árboles de decisión, incluyendo CART y familias de bagging y boosting. Se desarrolla el componente matemático de regresión lineal y logística, el entrenamiento de CART y la optimización de Random Forest, Gradient Boosting y XGBoost. Posteriormente se presentan cinco enfoques híbridos y se realiza una comparación práctica con métricas de precisión y tiempo de ejecución en casos de clasificación y regresión, además de proponer líneas futuras de investigación.","FACULTAD DE CIENCIAS  \nGRADO EN MATEMÁTICAS  \nTRABAJO FIN DE GRADO  \nCURSO ACADÉMICO 2023-2024  \nTÍTULO:  \nMACHINE LEARNING AVANZADO CON ALGORITMOS HÍBRIDOS  \nAUTOR:  \nMANUEL GARCÍA PLAZA  \nResumen  \nEste trabajo realiza un recorrido teórico por diversos algoritmos de Machine Learning supervisado abarcando métodos paramétricos, como la Regresión, y no paramétricos, entre los que se encuentran los métodos basados en árboles de decisión, que engloban a los propios CART y las familias de bagging y boosting, con el objetivo de presentar los modernosalgoritmos que combinan ambos mundos.  \nEn la primera parte se hace énfasis en el aspecto matemático de los algoritmos. Para empezar, se explica cómo se hallan los coeficientes óptimos en las técnicas de Regresión Lineal y Logística. Seguidamente, se analiza el proceso de entrenamiento de un árbol de decisión CART en profundidad, sentando las bases para los modelos sucesivos. A continuación se esbozan las ideas detrás de Random Forest y se detallan los procesos deoptimización que rigen el funcionamiento de Gradient Boosting y XGBoost.  \nLa segunda parte del trabajo es en la que se introducen los algoritmos híbridos. Primeramente: Linear Tree, que es un CART que ajusta modelos de Regresión en sus nodos. En segundo lugar, se propone Linear Random Forest: un Random Forest compuesto de Linear Trees. Le sigue Regression-Enhanced Random Forest, que es un Random Forest entrenado sobre los errores que comete una Regresión Lineal o Logística enriqueciendo las predicciones de esta. Después aparece Explainable Boosted Regression, que implementa en los modelos de Regresión relaciones no lineales basadas en errores de estimación. Por último, se explica Piecewise Linear Gradient Boosting, que aporta al poderoso paradigmadel boosting la capacidad de extrapolación además de optimizaciones de software.  \nLa sección final se dedica a realizar una comparativa práctica entre todos los algoritmostratados teóricamente durante el trabajo para comprobar si estos novedosos métodos que unen árboles de decisión y sus derivados con Regresiones son realmente eficaces. Los modelos se evalúan en términos de precisión y de tiempo de ejecución a lo largo de trescasos de uso de clasificación y otros tres de regresión. Además, se sugieren posibles trabajosfuturos que investigar.  \nPalabras clave: Machine Learning, Linear Tree, Regression-Enhanced Random Forest, Explainable Boosted Regression, Piecewise Linear Gradient Boosting.  \nAbstract  \nThis research carries out a theoretical overview of different supervised Machine Learning algorithms including parametric methods, such as Regression, and non-parametrics ones, among which are decision trees-based methods, which involve CARTs themselves and the bagging and boosting families, with the purpose of presenting the state-of-the-art algorithms that combine both worlds.  \nThe first part focuses on the mathematical aspect of the algorithms. To begin with, it is explained how the optimal coefficients are calculated in Linear and Logistic Regression techniques. Then, the CART’s training process is analysed in depth, laying the foundations for the successive models. Afterwards, the ideas behind Random Forest are sketched and the optimization processes that drive the functioning of Gradient Boosting and XGBoost are detailed.  \nThe second part of the work introduces hybrid algorithms. First of all: Linear Tree, that is a CART fitting Regression models at its nodes. In second place, it is proposed Linear Random Forest: a Random Forest made up of Linear Trees. It is followed by RegressionEnhanced Random Forest, that is a Random Forest trained over the errors made by a Linear or Logistic Regression, enriching its predictions. Then it comes Explainable Boosted Regression, which implements non-linear relationships based on estimation errors in Regression models. Lastly, Piecewise Linear Gradient Boosting is explained, providing extrapolation capability as well as software optimizations ","cbCaionigX0Izi6z","https://ap.wps.com/l/cbCaionigX0Izi6z","pdf",1569162,3,1,55,"Spanish","es",110,"# Introducción\n## Evaluación y selección de modelos\n## Datos empleados\n# Algoritmos iniciales\n## Regresión Lineal\n## Regresión Logística\n## Árboles de decisión\n## CART\n## Algoritmos de bagging\n## Algoritmos de boosting\n# Algoritmos híbridos\n## Linear Trees\n## Linear Random Forest\n## Regression-Enhanced Random Forest\n## Explainable Boosted Regression\n## Piecewise Linear Gradient Boosting\n# Comparación entre modelos\n# Conclusión\n# Trabajos futuros","[{\"question\":\"Qué algoritmos supervisados se revisan en el trabajo?\",\"answer\":\"Se revisan métodos paramétricos como la regresión lineal y logística, y métodos no paramétricos basados en árboles de decisión, incluyendo CART, bagging y boosting, además de Random Forest, Gradient Boosting y XGBoost.\"},{\"question\":\"Cuáles son los algoritmos híbridos introducidos en la segunda parte?\",\"answer\":\"Se presentan Linear Tree, Linear Random Forest, Regression-Enhanced Random Forest, Explainable Boosted Regression y Piecewise Linear Gradient Boosting.\"},{\"question\":\"Cómo se evalúan los modelos en la comparación práctica?\",\"answer\":\"Los modelos se comparan mediante precisión y tiempo de ejecución en tres casos de clasificación y otros tres de regresión, para verificar la eficacia de los métodos propuestos.\"}]","Machine Learning Avanzado con Algoritmos Híbridos - Trabajo Fin de Grado | PDF",1785894815,85,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"advanced-machine-learning-with-hybrid-algorithms-bachelors-final-project","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/es/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/es/document/investigación-e-informes/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/es/document/advanced-machine-learning-with-hybrid-algorithms-bachelors-final-project/124818/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-17","2026-08-05",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Qué algoritmos supervisados se revisan en el trabajo?","Question",{"text":76,"@type":77},"Se revisan métodos paramétricos como la regresión lineal y logística, y métodos no paramétricos basados en árboles de decisión, incluyendo CART, bagging y boosting, además de Random Forest, Gradient Boosting y XGBoost.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Cuáles son los algoritmos híbridos introducidos en la segunda parte?",{"text":81,"@type":77},"Se presentan Linear Tree, Linear Random Forest, Regression-Enhanced Random Forest, Explainable Boosted Regression y Piecewise Linear Gradient Boosting.",{"name":83,"@type":74,"acceptedAnswer":84},"Cómo se evalúan los modelos en la comparación práctica?",{"text":85,"@type":77},"Los modelos se comparan mediante precisión y tiempo de ejecución en tres casos de clasificación y otros tres de regresión, para verificar la eficacia de los métodos propuestos.","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,113,117,121,125,129],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},39,"Cómic",60,"comic",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},43,"Estilo de Vida","lifestyle",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},38,"Examen","exam",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},44,"General","general",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":112},"research-report",{"id":114,"doc_module":4,"doc_module_name":47,"category_name":115,"show_sort_weight":97,"slug":116},37,"Literatura","literature",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},22,"Relatos y Novelas","story-novel",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},42,"Religión y Espiritualidad","religion-spirituality",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},40,"Salud y Atención Médica","healthcare",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},24,"Tecnología","technology"]