Categoría Estadística

Árboles de decisión Árboles de decisión

El árbol y el laberinto

Un árbol de decisión es un modelo de aprendizaje automático que se utiliza para estimar una variable objetivo basándose en varias variables de entrada. Esta variable objetivo puede ser tanto numérica (árboles de regresión) como nominal (árboles de clasificación). Se describe la metodología de construcción de árboles de decisión para regresión y clasificación, así como su interpretación.
Árboles de decisión Árboles de decisión

La polisemia de Q

La Q de Cochran es una medida muy utilizada para detectar la heterogeneidad entre los estudios primarios de un metanálisis. Se revisan sus propiedades estadísticas y su contraste de hipótesis. Finalmente, se describen otras medidas calculadas a partir de este valor, como el estadístico I2 y el estadístico H2, utilizados con frecuencia para cuantificar la intensidad de la heterogeneidad entre estudios.
Árboles de decisión Árboles de decisión

El Palacio de las Probabilidades

Con tamaños muestrales pequeños, la varianza del coeficiente de correlación de Pearson aumenta, disminuyendo la precisión de sus estimaciones. El uso de la z de Fisher ayuda a estabilizar la varianza y obtener estimaciones más precisas en metanálisis cuya medida de resultado es una correlación y cuando la muestra de los estudios primarios es reducida.
Árboles de decisión Árboles de decisión

Un baile épico

Las técnicas de regularización de la regresión múltiple pueden ser de gran utilidad para abordar problemas de colinealidad o sobreajuste. Además, pueden servir para seleccionar las variables independientes y reducir la multidimensionalidad, consiguiendo modelos más robustos y fáciles de interpretar. Se describen las técnicas de regresión de cresta (ridge), de lazo (lasso) y de red elástica.
Árboles de decisión Árboles de decisión

La paradoja del aire

Se revisan los parámetros que informan sobre la calidad de un modelo de regresión logística múltiple y que habitualmente proporcionan los programas estadísticos con los que se realizan. Se hace hincapié sobre la bondad de ajuste, la capacidad predictiva y la significación estadística del modelo.
Esta web utiliza cookies propias y de terceros para su correcto funcionamiento y para fines analíticos. Al hacer clic en el botón Aceptar, aceptas el uso de estas tecnologías y el procesamiento de tus datos para estos propósitos. Antes de aceptar puedes ver Configurar cookies para realizar un consentimiento selectivo.    Más información
Privacidad