Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística

En este trabajo se compara el desempeño de dos métodos de clasificación: Árboles de Clasificación (AC) y Regresión Logística (RL). Dicha comparación se realiza 1) sobre una aplicación en categorización de textos y 2) una evaluación sobre datos simulados bajo distintos escenarios. 1) Para ambos mét...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Beltrán, Celina, Barbona, Ivana
Formato:	article artículo publishedVersion
Lenguaje:	Español
Publicado:	INFOSUR 2021
Materias:	Clasificación supervisada Clasificación de textos Árboles de clasificación Regresión logística Estadística
Acceso en línea:	http://hdl.handle.net/2133/21728 http://hdl.handle.net/2133/21728
Aporte de:	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR) de Universidad Nacional de Rosario

id	I15-R121-2133-21728
record_format	dspace
institution	Universidad Nacional de Rosario
institution_str	I-15
repository_str	R-121
collection	Repositorio Hipermedial de la Universidad Nacional de Rosario (UNR)
language	Español
topic	Clasificación supervisada Clasificación de textos Árboles de clasificación Regresión logística Estadística
spellingShingle	Clasificación supervisada Clasificación de textos Árboles de clasificación Regresión logística Estadística Beltrán, Celina Barbona, Ivana Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
topic_facet	Clasificación supervisada Clasificación de textos Árboles de clasificación Regresión logística Estadística
description	En este trabajo se compara el desempeño de dos métodos de clasificación: Árboles de Clasificación (AC) y Regresión Logística (RL). Dicha comparación se realiza 1) sobre una aplicación en categorización de textos y 2) una evaluación sobre datos simulados bajo distintos escenarios. 1) Para ambos métodos se evalúa la funcionalidad y desempeño en la clasificación de textos describiendo cómo es posible utilizarlos para categorizar y eventualmente caracterizar los textos. En este caso, el criterio de clasificación es el género al que pertenece el texto (Científico / No Científico). La caracterización de los textos está basada en la distribución de frecuencias de las categorías morfo-sintácticas. Los textos se clasificaron teniendo en cuenta simultáneamente las mediciones realizadas sobre ellos. El desempeño de las técnicas fue medido con la tasa de mala clasificación (TMC) calculada sobre una muestra de textos no incluidos en la estimación del modelo y construcción del árbol. El árbol de clasificación presentó una TMC inferior a la del modelo logístico logrando clasificar con mayor precisión los textos científicos. Para el AC la TMC resultó 4% para los textos científicos y 28% para los textos no científicos. Para el modelo de RL la TMC resultó 14% para los textos científicos y 26% para los textos no científicos. 2) En el estudio por simulación, se observó como resultado principal, que en condiciones donde las variables predictoras están altamente correlacionadas con la respuesta, si bien los AC mostraron un porcentaje de error significativamente menor en la clasificación, ambas metodologías funcionan satisfactoriamente. Sin embargo, cuando las condiciones para obtener una clasificación satisfactoria son desfavorables (predictores poco correlacionados con la respuesta) los AC logran un porcentaje de clasificación correcta notablemente superior a la RL, con la desventaja de obtener un árbol con numerosos nodos terminales utilizando la información de prácticamente todas las variables explicativas. En el caso desbalanceado, la clase mayoritaria presenta un porcentaje de clasificación correcta superior en la regresión logística a costa de un peor desempeño en la clase minoritaria. Este comportamiento es más marcado en RL que en los AC.
format	article artículo publishedVersion
author	Beltrán, Celina Barbona, Ivana
author_facet	Beltrán, Celina Barbona, Ivana
author_sort	Beltrán, Celina
title	Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
title_short	Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
title_full	Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
title_fullStr	Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
title_full_unstemmed	Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística
title_sort	comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: árboles de clasificación y regresión logística
publisher	INFOSUR
publishDate	2021
url	http://hdl.handle.net/2133/21728 http://hdl.handle.net/2133/21728
work_keys_str_mv	AT beltrancelina comparaciondedostecnicasdeclasificacionsupervisadaenlacategorizaciondetextosyevaluacionendatossimuladosarbolesdeclasificacionyregresionlogistica AT barbonaivana comparaciondedostecnicasdeclasificacionsupervisadaenlacategorizaciondetextosyevaluacionendatossimuladosarbolesdeclasificacionyregresionlogistica
bdutipo_str	Repositorios
_version_	1764820411308048385

Comparación de dos técnicas de clasificación supervisada en la categorización de textos y evaluación en datos simulados: Árboles de clasificación y Regresión Logística

Ejemplares similares