C. Ramos Carreño, A. Suárez González, J. L. Torrecilla Noguerales
Las técnicas de selección de variables permiten reducir la dimensión de los datos de forma interpretable y manteniendo la capacidad predictiva de los datos originales. En los últimos años han surgido distintas propuestas para selección de variables con datos funcionales en el contexto de la clasificación supervisada. Una es "Máxima Hunting" (MH), que selecciona los puntos de las trayectorias que se corresponden con los máximos locales de una función de la dependencia entre los datos y la clase. A pesar de tener una serie de buenas propiedades, MH solo considera la importancia de las variables marginalmente y presenta algunas dificultades a la hora de estimar los máximos. En esta charla presentaremos un nuevo método basado en MH, que conserva sus buenas propiedades y consigue resolver sus limitaciones mediante la eliminación recursiva de la información de las variables ya seleccionadas. El nuevo método tiene un mejor rendimiento y algunas nuevas propiedades.
Palabras clave: Selección de variables, clasificación, análisis de datos funcionales
Programado
GT6-1 Análisis de Datos Funcionales
5 de septiembre de 2019 10:40
I3L9. Edificio Georgina Blanes