Look-up in Google Scholar
Title: Comparación del análisis discriminante no métrico, árboles de clasificación Chaid y la regresión logística multinormal
Advisor(s): Porras Cerrón, Jaime Carlos
OCDE field: https://purl.org/pe-repo/ocde/ford#4.05.00
Issue Date: 2018
Institution: Universidad Nacional Agraria La Molina
Abstract: En la presente tesis se desarrolló el método de clasificación llamado Análisis Discriminante No Métrico, y se comparó su desempeño con el Árbol de Clasificación CHAID y la Regresión Logística Multinomial, los cuales también son métodos que no necesitan la condición de normalidad multivariada, linealidad ni varianza homogénea para las variables independientes. Esta comparación de desempeño fue evaluado mediante la Validación Cruzada. Para la realización del estudio comparativo de estos clasificadores se utilizó conjuntos de datos que son proporcionados por la Universidad de California Irving (UCI). Se concluye que la Regresión Logística Multinomial tiene mejor desempeño en la clasificación de datos teniendo en cuenta la tasa de clasificación promedio y el tiempo de procesamiento

In this thesis a method was developed called Non-Metric Discriminant Analysis, and its performance was compared with the Classification Tree CHAID and Multinomial Logistic Regression, which are also non-parametric methods. This performance comparison was evaluated using Cross Validation. To perform the comparative study of these classifiers we used data sets that are provided by the University of California Irving (UCI).It is concluded that the Multinomial Logistic Regression performs better in the classification of data taking into account the average classification rate and processing time
Note: Universidad Nacional Agraria La Molina. Escuela de Posgrado. Maestría en Estadística Aplicada
Discipline: Estadística Aplicada
Grade or title grantor: Universidad Nacional Agraria La Molina. Escuela de Posgrado
Grade or title: Magister Scientiae - Estadística Aplicada
Register date: 3-May-2018



This item is licensed under a Creative Commons License Creative Commons