{"title":"用于预测供应链发展的回归向量支持机器","authors":"Douglas Andrés Verduga Alcívar, Víctor Ernesto Márquez Pérez, Emanuel Guillermo Muñoz Muñoz","doi":"10.33936/revbasdelaciencia.v7iespecial.3529","DOIUrl":null,"url":null,"abstract":"El objetivo de este trabajo es predecir el nivel de desarrollo de una cadena de suministro manabita de clasificación agroalimentaria, cuyo producto fundamental es el agua de coco artesanal. Usando datos históricos, se aplican los métodos de Máquinas de Soporte Vectorial en Regresión y Regresión Lineal Múltiple. Como parte del trabajo se lleva a cabo un estudio de correlación para mejorar el desempeño de los métodos. Los resultados muestran que las Máquinas de Soporte Vectorial logran el mejor desempeño cuando se usa el Kernel Polinomial con una selección de parámetros apropiados. La metodología empleada para el procesamiento de la investigación utiliza el entrenamiento de estos dos métodos lo que proporciona un modelo que se puede aplicar en otros estudios de casos.","PeriodicalId":21557,"journal":{"name":"Revista Bases de la Ciencia. e-ISSN 2588-0764","volume":"52 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-01-03","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"MÁQUINAS DE SOPORTE VECTORIAL EN REGRESIÓN PARA LA PREDICCIÓN DEL DESARROLLO DE UNA CADENA DE SUMINISTRO\",\"authors\":\"Douglas Andrés Verduga Alcívar, Víctor Ernesto Márquez Pérez, Emanuel Guillermo Muñoz Muñoz\",\"doi\":\"10.33936/revbasdelaciencia.v7iespecial.3529\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"El objetivo de este trabajo es predecir el nivel de desarrollo de una cadena de suministro manabita de clasificación agroalimentaria, cuyo producto fundamental es el agua de coco artesanal. Usando datos históricos, se aplican los métodos de Máquinas de Soporte Vectorial en Regresión y Regresión Lineal Múltiple. Como parte del trabajo se lleva a cabo un estudio de correlación para mejorar el desempeño de los métodos. Los resultados muestran que las Máquinas de Soporte Vectorial logran el mejor desempeño cuando se usa el Kernel Polinomial con una selección de parámetros apropiados. La metodología empleada para el procesamiento de la investigación utiliza el entrenamiento de estos dos métodos lo que proporciona un modelo que se puede aplicar en otros estudios de casos.\",\"PeriodicalId\":21557,\"journal\":{\"name\":\"Revista Bases de la Ciencia. e-ISSN 2588-0764\",\"volume\":\"52 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-01-03\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Bases de la Ciencia. e-ISSN 2588-0764\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.33936/revbasdelaciencia.v7iespecial.3529\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Bases de la Ciencia. e-ISSN 2588-0764","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33936/revbasdelaciencia.v7iespecial.3529","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
MÁQUINAS DE SOPORTE VECTORIAL EN REGRESIÓN PARA LA PREDICCIÓN DEL DESARROLLO DE UNA CADENA DE SUMINISTRO
El objetivo de este trabajo es predecir el nivel de desarrollo de una cadena de suministro manabita de clasificación agroalimentaria, cuyo producto fundamental es el agua de coco artesanal. Usando datos históricos, se aplican los métodos de Máquinas de Soporte Vectorial en Regresión y Regresión Lineal Múltiple. Como parte del trabajo se lleva a cabo un estudio de correlación para mejorar el desempeño de los métodos. Los resultados muestran que las Máquinas de Soporte Vectorial logran el mejor desempeño cuando se usa el Kernel Polinomial con una selección de parámetros apropiados. La metodología empleada para el procesamiento de la investigación utiliza el entrenamiento de estos dos métodos lo que proporciona un modelo que se puede aplicar en otros estudios de casos.