Complejidad del espacio de hipótesis aplicado al boosting

Abstract

Este Trabajo de Fin de Grado consta de dos partes. La primera, sobre la estancia en prácticas que realicé en el segundo semestre en el Instituto de Nuevas Tecnologías de la Imagen, ubicado en el campus de la UJI. El propósito era hacer un análisis del cálculo de probabilidades en eventos deportivos. En la segunda parte, que se corresponde al apartado académico del trabajo, se describen medidas de complejidad de un conjunto de hipótesis de un algoritmo de Machine Learning y su aplicación directa para encontrar cotas superiores del error de generalización. Además, en el último apartado se muestra cómo a partir de estas cotas se pueden derivar nuevos algoritmos, en particular DeepBoost, el cuál tiene muchas semejanzas con el conocido algoritmo AdaBoost.