J. R. Berrendero Díaz, A. Cuevas González, J. L. Torrecilla Noguerales
La clasificación de datos funcionales es un problema relevante en la actualidad. Las técnicas de selección de variables, hasta ahora poco estudiadas en el ámbito funcional, pueden ser herramientas eficaces. Sus objetivos básicos serían similares al de las técnicas usuales de reducción de la dimensión (componentes principales, PLS, etc.) pero con la ventaja de una mayor interpretabilidad. En este trabajo en curso, se plantean distintas propuestas y resultados preliminares sobre selección de variables en clasificación funcional teniendo en cuenta las características propias de estos datos. Se exploran las vías de la utilización de algoritmos ya existentes en el análisis multivariado como el de ``mínima redundacia y máxima relevancia'', mRMR (Ding y Peng 2005), la incorporación de nuevas medidas de asociación a estos algoritmos y nuevas formas de usar estas medidas basadas en el estudio de sus máximos.
Palabras clave: clasificación supervisada, FDA, selección de variables, medidas de asociación, mRMR
Programado
XA7 Análisis de datos funcionales 2
18 de abril de 2012 09:00
Sala Roma II
