Browsing by Author "Ynga Yanarico, Frank Stift"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Aplicación de algoritmos de clasificación que influyen en la predicción del factor de impacto en redes sociales del Diario Correo de Puno 2023
    (Universidad Andina Néstor Cáceres Velásquez, 2025) Ynga Yanarico, Frank Stift; León Miranda, Abelardo; Universidad Andina Néstor Cáceres Velásquez
    En ese sentido, el presente estudio tuvo como objetivo general hacer uso de la clasificación utilización de la clasificación para obtener ciertas predicciones del impacto, opinión muy al margen de las publicaciones. Así, se logró identificar a las variables más importantes que anteceden directamente el impacto facturación: el tipo de contenido, la temática, los likes, comentarios, compartidos, alcance e impresiones al fin de cuentas. Esto fue posible mostrar por medio de el entrenamiento y testigo del set de dato de acuerdo a la división de 80% y 20% para entrenamiento y testigo recíprocamente. Después de entrenar y evaluar los modelos, se aplicaron métricas de rendimiento como precisión, recall y F1-score para determinar el modelo más eficaz en la predicción del Engagement Rate. Los resultados obtenidos mostraron que ninguno de los modelos evaluados alcanzó un rendimiento sobresaliente, ya que todos tuvieron valores bajos en las métricas de precisión y recall, lo que indica que los modelos no lograron capturar adecuadamente la relación entre las características de las publicaciones y el impacto en redes sociales. En particular, se observó que Árbol de Decisión fue el modelo con el mejor desempeño en términos de precisión, mientras que Red Neuronal mostró un ligero beneficio en recall. Finalmente, se concluyó que el factor de impacto en redes sociales es una variable compleja que no puede ser predicha de manera efectiva con los modelos y características utilizadas en este estudio. Se recomendó la inclusión de más variables relevantes, como el momento de la publicación y el tipo de público objetivo, así como la optimización de los modelos a través del ajuste de hiperparámetros y la exploración de otros algoritmos de clasificación más avanzados.