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 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

• Autores: Díaz Sepúlveda, Juan Felipe
• 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