Feature selection in machine learning with Google's PageRank

Autor: Medialdea Rosales, Josep Daniel
Přispěvatelé: Universitat Politècnica de Catalunya. Departament de Ciències de la Computació, Romero Merino, Enrique
Jazyk: angličtina
Rok vydání: 2021
Předmět:
Zdroj: UPCommons. Portal del coneixement obert de la UPC
Universitat Politècnica de Catalunya (UPC)
Popis: Des de l'aparició del famós algoritme que està darrere del motor de cerca de Google, l'algoritme PageRank ha estat utilitzat en molts camps diferents més enllà de la web. Aquests camps han anat des de la neurociència fins a la literatura. Aquest treball de final de grau elaborat a la Universitat Politècnica de Catalunya pretén portar l'algoritme de PageRank a un altre camp totalment diferent de la web. En concret, pretén desenvolupar un algoritme de selecció d'atributs, per entrenar models predictius, basat en PageRank i estudiar el seu rendiment. La selecció d'atributs és un dels problemes més rellevants del camp de la ciència de les cades. Aquest projecte estudiarà la selecció d'atributs des d'una perspectiva poc convencional: la de l'algoritme de PageRank. Since the development of the famous algorithm behind Google's Search Engine, PageRank has been used in many other fields beyond the web. These fields go from neuroscience to literature. This thesis elaborated in the Universitat Politècnica de Catalunya wants to port the PageRank algorithm to another field completely different from the web. More specifically, it will develop a feature selection algorithm based on PageRank and study its performance. Feature selection in machine learning is one of the most relevant problems in the field of Data Science. This project will study the feature selection problem from an unconventional approach: Google's PageRank algorithm.
Databáze: OpenAIRE