Comparación entre árboles de regresión CART y regresión Lineal
Resumen: La Regresión lineal es el método más usado en estadística para predecir valores de variables continuas debido a su fácil interpretación, pero en muchas situaciones los supuestos para aplicar el modelo no se cumplen y algunos usuarios tienden a forzarlos llevando a conclusiones erróneas. Los...
- Autores:
-
Díaz Sepúlveda, Juan Felipe
- Tipo de recurso:
- Fecha de publicación:
- 2013
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/11894
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/11894
http://bdigital.unal.edu.co/9474/
- Palabra clave:
- 51 Matemáticas / Mathematics
Simulación
Error de predicción
Regresión Lineal
Árboles de clasificación y regresión
CART
Simulation
Prediction error
Linear Regression
CART: Classification and Regression
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Resumen: La Regresión lineal es el método más usado en estadística para predecir valores de variables continuas debido a su fácil interpretación, pero en muchas situaciones los supuestos para aplicar el modelo no se cumplen y algunos usuarios tienden a forzarlos llevando a conclusiones erróneas. Los árboles de regresión CART son una alternativa de regresión que no requiere supuestos sobre los datos a analizar y es un método de fácil interpretación de los resultados. En este trabajo se comparan a nivel predictivo la regresión lineal con CART mediante simulación. En general, se encontró que cuando se ajusta el modelo de regresión lineal correcto a los datos, el error de predicción de regresión lineal siempre es menor que el de CART. También se encontró que cuando se ajusta erróneamente un modelo de regresión lineal a los datos, el error de predicción de CART es menor que el de regresión lineal sólo cuando se tiene una cantidad de datos suficientemente grande |
---|