Extensión de algoritmos de estadística multivariada para problemas de predicción con salidas compuestas como parte de la herramienta Mulan

Abstract

La presente investigación, titulada Extensión de algoritmos de estadística multivariada para problemas de predicción con salidas compuestas como parte de la herramienta Mulan, tiene como objetivo implementar, como extensión de Mulan, los algoritmos basados en modelos de predicción con salidas compuestas, que explotan la interdependencia entre las variables de salida a través de la estadística multivariada. Además mejorar el error predictivo con respecto a los algoritmos del estado del arte para determinados problemas. En la investigación se partió del estudio de los diferentes algoritmos de estadística multivariada, que explotan la interdependencia entre las variables de salida, para tratar problemas de predicción con salidas compuestas, así como un estado actual de los algoritmos que solucionan problemas de predicción con salidas compuestas. La estadística multivariada proporciona métodos objetivos para conocer la relación que existe entre dos conjuntos de variables y cuántas variables son necesarias para describir una realidad compleja y determinar su estructura. Los problemas de predicción con salidas compuestas son aquellos que permiten predecir un conjunto de variables de salida de manera simultánea a partir de un conjunto de entrenamiento dado, estos se dividen en dos grupos, los que explotan la interdependencia entre las variables de salida (explota la relación entre las variables de salida) y los que no (cada variable de salida se determina de forma independiente). Se emplearon 12 bases de datos reales para evaluar los algoritmos mediante el promedio del error cuadrático medio entre lo predicho por los algoritmos y lo medido en cada base de datos para las variables de salida. Se aplicó la prueba no paramétrica de Friedman para comparar estadísticamente los resultados de los algoritmos y la prueba posthoc de Nemenyi para determinar si existen diferencias significativas. Como conclusiones, se pudo determinar que los algoritmos que tratan la interdependencia entra las variables de salida en los problemas de predicción con salidas compuestas muestran mejores resultados en cuanto al error de la predicción con respecto a los que no la tratan, además haciendo uso de la estadística multivariada para el tratamiento de la interdependencia entre las variables de salida se mejoró el error predictivo en varias de las bases de datos evaluadas.