Análisis predictivo para clasificar dígitos escritos a mano utilizando la base de datos MNIST
Fecha
2016-10-03Autor
Ruiz Vivanco, Omar Alexander
Metadatos
Mostrar el registro completo del ítemResumen
En el presente trabajo de fin de máster se realiza una investigación sobre las
técnicas de preproceso del dataset de entrenamiento y la aplicación de un modelo
de predicción que realice una clasificación de dı́gitos escritos a mano. El conjunto
de dataset de train y test son proporcionado en la competencia de Kaggle: Digit
Recognizer y provienen de la base de datos de dı́gitos manuscritos MNIST.
Por tratarse de imágenes las técnicas de preproceso se concentran en obtener
una imagen lo más nı́tida posible y la reducción de tamaño de la misma, objetivos
que se logran con técnicas de umbralización por el método de Otsu, transformada
de Wavelet de Haar y el análisis de sus componentes principales. Se utiliza Deep
Learning como modelo predictivo por ajustarse a este tipo de datos, se emplean
además librerı́as de código abierto implementadas en el lenguaje estádisto R.
Por último se obtiene una predicción con las técnicas y herramientas mencio-
nadas para ser evaluada en la competencia de Kaggle, midiendo y comparando los
resultados obtenidos con el resto de participantes.