Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/handle/123456789/33288| Título : | Machine Learning en el consumo de agua potable en Catamayo |
| Autor : | Castro Mendieta, José Raúl Tinizaray Olmedo, Amable |
| Palabras clave : | Ecuador. Tesis digital. |
| Fecha de publicación : | 2022 |
| Citación : | Tinizaray Olmedo, A. Castro Mendieta, J. R. (2022) Machine Learning en el consumo de agua potable en Catamayo [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/123456789/33288 |
| Resumen : | Abstract: The present investigation has as purpose the segmentation of the clients of the consumption of potable water of the company of potable water of the city of Catamayo, for which a set of data was used that are historical readings of the consumption of the clients from the months of January to November of the year 2019 , the objective of this research using data mining (DM) and machine learning (ML), applying the KMeans and DBSCAN algorithms are techniques to divide data objects into groups or clusters that are similar to other objects, in order to find clients that do not have similarity of the clusters found and it will be very helpful for the company to carry out research on these clientsof their consumption behavior. |
| Descripción : | Resumen: La presente investigación tiene como finalidad la segmentación de los clientes del consumo de agua potable de la empresa de agua potable de la ciudad de Catamayo, para lo cual se utilizóun conjunto de datos que son lecturas históricas del consumo de los clientes desde los meses de enero a noviembre del año 2019 , el objetivo de esta investigación usando minería de datos (DM) y aprendizaje automático (ML), aplicando los algoritmos KMeans y DBSCAN son técnicas para dividir objetos de datos en grupos o clústeres que son similares a otros objetos, con la finalidad de encontrar clientes que no tienen similitud de los clústeres encontrados y será de mucha ayuda a la empresa realizar investigaciones sobre estos clientes de su comportamiento de consumo. |
| URI : | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=132538.TITN. |
| Aparece en las colecciones: | Magister en Ciencias y Tecnologías de la Computación |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.