Resumen

WAGALA, Adolphus; GONZALEZ-FARIAS, Graciela; RAMOS, Rogelio  y  DALMAU, Oscar. Regresión lineal generalizada por MCP y algoritmo kernel multilogit para la clasificación de datos de microarreglos. Rev.Colomb.Estad. [online]. 2020, vol.43, n.2, pp.233-249.  Epub 05-Dic-2020. ISSN 0120-1751.  https://doi.org/10.15446/rce.v43n2.81811.

Este estudio combina el modelo de regresión lineal generalizado por mínimos cuadrado parciales (RLGMCP), con regresión logística y análisis discriminante lineal, para obtener los modelos de regresión logística generalizada por mínimos cuadrados parciales, (RLGMCP) y regresión logística generalizada-discriminante por mínimos cuadrados parciales (RLGDMCP). Se realiza un estudio comparativo con clasificadores clásicos como, fc-vecinos más cercanos (KVC), análisis discriminante lineal (ADL), análisis discriminante de por mínimos cuadrados parciales (ADMCP), regresión por mínimos cuadrados parciales (RMCP) y máquinas de vectores de soporte de soporte vectorial (MSV). Además, se implementa una nueva metodología conocida como algoritmo de kernel multilogit (AKM). Su desempeño es comparado con los de los otros clasificadores. De acuerdo con las tasas de error de clasificación obtenidas a partir de los diferentes tipos de datos, el KMA es el de mejor resultado.

Palabras clave : Regresíon lineal generalizada; Algoritmo de kernel multilogit; Mínimos cuadrados parciales.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )