Prévision des dépenses touristiques à partir de l'analyse des données
Analyse de données massives en économie et en affaires (MADM)
Versandkostenfrei!
Versandfertig in 6-10 Tagen
26,99 €
inkl. MwSt.
PAYBACK Punkte
13 °P sammeln!
El análisis de datos masivos, también denominado como "Big Data" se basa en almacenar y posteriormente cuantificar y procesar grandes cantidades de información con el objetivo de obtener tendencias y regularidades. En el campo económico, el análisis de datos permite entre otras cosas, analizar los factores de una actividad económica que más impactan en sus resultados. De esta forma es posible obtener predicciones con mayor grado de confianza del efecto de las diferentes decisiones comerciales posibles permitiendo optimizar el camino a seguir en busca del éxito comercial. Esto trae much...
El análisis de datos masivos, también denominado como "Big Data" se basa en almacenar y posteriormente cuantificar y procesar grandes cantidades de información con el objetivo de obtener tendencias y regularidades. En el campo económico, el análisis de datos permite entre otras cosas, analizar los factores de una actividad económica que más impactan en sus resultados. De esta forma es posible obtener predicciones con mayor grado de confianza del efecto de las diferentes decisiones comerciales posibles permitiendo optimizar el camino a seguir en busca del éxito comercial. Esto trae muchas veces, para las empresas que lo aplican, una ventaja competitiva respecto a las que no lo hacen. En este trabajo se tiene como objetivo crear modelos predictivos del gasto de un turista en España. Para esto se utilizaron los datos de la encuesta EGATUR, que es una base de datos que proporciona información detallada de los turistas que viajan a España. Los datos usados están comprendidos en un periodo de dos años. Y para el mismo se usaron los algoritmos de Regresión Lineal (LR), K vecinos más cercanos (KNN), Random Forest (RF), Máquina de vectores de soporte (SVM) y Aprendizaje Profundo (DL).
Andere Kunden interessierten sich für
