Mostrar el registro sencillo del ítem

dc.contributor.author
Romero, María del Carmen  
dc.contributor.author
Camio, María Isabel  
dc.contributor.author
Álvarez, María Belén  
dc.date.available
2018-09-07T17:52:23Z  
dc.date.issued
2015-05  
dc.identifier.citation
Romero, María del Carmen; Camio, María Isabel; Álvarez, María Belén; Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación; Escuela de Perfeccionamiento en Investigación Operativa; Revista de la Escuela de Perfeccionamiento en Investigación Operativa; 23; 37; 5-2015; 84-103  
dc.identifier.issn
0329-7322  
dc.identifier.uri
http://hdl.handle.net/11336/58736  
dc.description.abstract
En una gran cantidad de contextos de investigación se presentan situaciones de alta dimensionalidad dada por la gran cantidad de observaciones, de variables, o por mayor cantidad de variables que de observaciones. La clasificación supervisada suele ser una técnica estadística muy utilizada para detectar variables que sean relevantes en la distinción entre grupos. No obstante, la alta dimensionalidad dada por una mayor cantidad de variables que de observaciones, hace que las técnicas convencionales sean inestables y poco confiables. Los métodos filtro resultan una buena estrategia para realizar un ordenamiento de las variables dada su importancia en la distinción entre grupos y reducir dimensionalidad. En este trabajo, se aplica un filtro que trabaja con la entropía condicional como medida de evaluación, en datos referidos al área de gestión de la innovación caracterizados por la presencia de variables cualitativas ordinales. Una vez ordenadas las variables, el investigador especialista en la temática decidirá las acciones a tomar. Por un lado, puede seleccionar las variables más relevantes para analizar su comportamiento con mayor detalle. Por otro, puede "descartar" las menos relevantes para, de esta manera, reducir la dimensionalidad y poder aplicar técnicas convencionales a las variables remanentes.  
dc.description.abstract
High dimensional databases caused by large number of observations, attributes or by a greater number of attributes than observations are present in a large amount of research contexts. Supervised classification is often a statistical technique used to discover the attributes that are relevant to the distinction between groups. However, in contexts of high dimensionality with higher amount of attributes than observations, the application of conventional classification techniques generally do not work quite right. The filter methods are a good strategy to order the attributes given its importance in the distinction between groups and to reduce dimensionality. In this paper a filter that works with the conditional entropy as a measure of evaluation is applied to innovation management data characterized by the presence of ordinal attributes. Given a ranking of the attributes, the specialist researcher will decide the actions to take. On one hand, the most relevant attributes can be selected to analyze their behavior in more detail. On the other, the less relevant ones can be discarded in order to reduce the dimensionality and to apply conventional techniques to the remaining attributes.  
dc.format
application/pdf  
dc.language.iso
spa  
dc.publisher
Escuela de Perfeccionamiento en Investigación Operativa  
dc.rights
info:eu-repo/semantics/openAccess  
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/  
dc.subject
Entropia  
dc.subject
Alta Dimensionalidad  
dc.subject
Filtros  
dc.subject
Software y Servicios Informáticos  
dc.subject.classification
Matemática Pura  
dc.subject.classification
Matemáticas  
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS  
dc.subject.classification
Economía, Econometría  
dc.subject.classification
Economía y Negocios  
dc.subject.classification
CIENCIAS SOCIALES  
dc.title
Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación  
dc.type
info:eu-repo/semantics/article  
dc.type
info:ar-repo/semantics/artículo  
dc.type
info:eu-repo/semantics/publishedVersion  
dc.date.updated
2018-08-17T13:53:27Z  
dc.journal.volume
23  
dc.journal.number
37  
dc.journal.pagination
84-103  
dc.journal.pais
Argentina  
dc.journal.ciudad
Tandil  
dc.description.fil
Fil: Romero, María del Carmen. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; Argentina  
dc.description.fil
Fil: Camio, María Isabel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; Argentina  
dc.description.fil
Fil: Álvarez, María Belén. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Tandil; Argentina  
dc.journal.title
Revista de la Escuela de Perfeccionamiento en Investigación Operativa  
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/epio/article/view/11987