Comparación entre métodos para clasificación usando algunas distribuciones multivariadas

El problema de establecer similitudes o diferencias en áreas como la genética, biología, ciencias médicas, ingeniería, entre otras, es llamado problema de clasificación, consiste en asignar una pertenencia a determinado individuo ya sea por sus características, orden o estructura. En un trabajo previo Salazar, Vélez y Salazar comparan vía simulación la eficiencia de las máquinas de soporte vectorial y la Regresión Logística, para datos que necesiten la clasificación en dos grupos y que posean una distribución univariada. En este trabajo se compara la eficiencia de Regresión Logística, Máquinas de Soporte Vectorial, Análisis Discriminante y Clasificador Fuzzy, para clasificar un grupo de datos en dos categorías mutuamente excluyentes, en el escenario de datos multivariados provenientes de poblaciones con distribución normal multivariada, normal asimétrica y t multivariada. Dicha eficiencia o desempeño se medirá con la tasa de clasificación errónea.

• Autores: Cortés Vélez, Catalina Inés
• Fecha de publicación: 2014
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/75216
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/75216; http://bdigital.unal.edu.co/39733/
• Palabra clave: 51 Matemáticas / Mathematics; Clasificación; Máquinas de soporte vectorial; Regresión logística; Análisis discriminante lineal; Tasa de clasificación errónea; Classification; Support vector machines; Logistic regression; Linear dis-criminant analysis; False discovery rate
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional