Alternativas de clasificación en poblaciones multivariadas
Classification alternatives in multivariate populations
Resumen (es)
Dada la importancia del tema de clasificación y los estudios que consigo se han desarrollado, en este artículo se compara, vía simulación, la eficiencia de los clasificadores Máquinas de Soporte Vectorial (SVM), Clasificador Fuzzy (FC), Regresión Logística (LR) y Análisis Discriminante Lineal (LDA), en datos provenientes de las distribuciones Normal Multivariada (MND), Skew Normal Multivariada (MSND) y t Multivariada (MTD), para diferentes números de variables. El mejor clasificador se selecciona de acuerdo con su eficiencia en términos de la tasa de clasificación errónea (TCE).
Resumen (en)
Given the importance, in the last years, of the classification topic and the study yourself have been developed, in this article we compare the efficiency of the classifiers Support Vector Machines (SVM), Fuzzy Classifier (FC), Logistic Regression (LR) and Lineal Discriminate Analysis (LDA), using Multivariate Normal Distribution (MND), Multivariate Skew Normal Distribution (MSND) and Multivariate t Distribution (MTD) for different variables number by means of a simulation study. The best classifier is selected based on your efficiency in terms of the False Discovery Rate (TCE).
Referencias
Anderson, T. W., Anderson, T. W., Anderson, T. W. & Anderson, T. W. (1958), An introduction to multivariate statistical analysis, Vol. 2, Wiley New York.
Azzalini, A. & Capitanio, A. (1999), Statistical applications of the multivariate skew normal distribution, Journal of the Royal Statistical Society: Series B (Statistical Methodology) 61(3), 579–602.
Azzalini, A. & Dalla Va-lle, A. (1996), The multivariate skew-normal distribution, Biometrika 83(4), 715–726.
Azzalini, A. & Dalla Valle, A. (1996), The multivariate skew-normal distribution, Biometrika 83(4), 715–726.
Barajas, F. H. & Morales, J. C. C. (2009), Comparación entre tres técnicas de clasificación, Revista Colombiana de Estadística 32, 247–265.
Cortes, C. & Vapnik, V. (1995), Support-vector networks, Machine learning 20(3), 273–297.
Fisher, R. A. (1936), The use of multiple measurements in taxonomic problems, Annals of eugenics 7(2), 179–188.
Hoppner, F., Klawonn, F., Kruse, R. & Runkler, T. (1999), Fuzzy cluster analysis: methods for classification, data analysis and image recognition, J. Wiley New York.
Hosmer, D. W. & Lemeshow, S. (2000), Applied Logistic Regression (Wiley Series in Probability and Statistics), Wiley-Interscience Publication.
Johnson, R. A. & Wichern, D. W. (2002), Applied multivariate statistical analysis, Vol. 5, Prentice hall Upper Saddle River, NJ.
Kotz, S. & Nadarajah, S. (2004), Multivariate T-Distributions and Their Applica- tions, Cambridge University Press.
Salazar, D. A., Vélez, J. I. & Salazar, J. C. (2012), Comparison between svm and logistic regression: Which one is better to discriminate’, Revista Colombiana de Estad ́ıstica 35(SPE2), 223–237.
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
