Comparison between CART regression trees and linear regression
La Regresión lineal es el método más usado en estadística para predecir valores de variables continuas debido a su fácil interpretación, pero en muchas situaciones los supuestos para aplicar el modelo no se cumplen y algunos usuarios tienden a forzarlos llevando a conclusiones erróneas. Los árboles...
| Autor Principal: | Díaz Sepúlveda, Juan Felipe; Universidad Nacional de Colombia |
|---|---|
| Otros Autores: | Correa, Juan Carlos; Universidad Nacional de Colombia, sede Medellín |
| Formato: | info:eu-repo/semantics/article |
| Idioma: | spa |
| Publicado: |
Universidad Santo Tomás
2013
|
| Materias: | |
| Acceso en línea: |
http://revistas.usta.edu.co/index.php/estadistica/article/view/1101 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: |
La Regresión lineal es el método más usado en estadística para predecir valores de variables continuas debido a su fácil interpretación, pero en muchas situaciones los supuestos para aplicar el modelo no se cumplen y algunos usuarios tienden a forzarlos llevando a conclusiones erróneas. Los árboles de regresión CART son una alternativa de regresión que no requiere supuestos sobre los datos a analizar y es un método de fácil interpretación de los resultados. En este trabajo se comparan a nivel predictivo la Regresión lineal con CART mediante simulación. En general, se encontró que cuando se ajusta el modelo de regresión lineal correcto a los datos, el error de predicción de regresión lineal siempre es menor que el de CART. También se encontró que cuando se ajusta erróneamente un modelo de regresión lineal a los datos, el error de predicción de CART es menor que el de regresión lineal sólo cuando se tiene una cantidad de datos suficientemente grande. |
|---|