Técnicas de Minería de Datos como alternativa a las Técnicas Estadísticas de Discriminación y Clasificación Multivariadas Clásicas

DIESER, MARÍA PAULA; MARTÍN, MARÍA CRISTINA; SCHLAPS, ÉRICA; BOLAÑOS, VANINA CELESTE; CAVERO, LORENA VERÓNICA; IRRIBARRA, MARÍA DE LOS ÁNGELES; SOLARO, CLAUDINA; WAGNER, LAURA; TITIONIK, DIAMELA

Salta

Workshop; XVII Workshop de Investigadores en Ciencias de la Computación; 2015

Red de Universidades Nacionales con Carreras de Informática y Facultad de Informática, Universidad Nacional de Salta

En este trabajo se describe brevementeuna de las líneas de investigación que se están llevando a cabo en el Departamento de Matemática de la Facultad de Ciencias Exactas y Naturales de la Universidad Nacional de La Pampa, en relación a Métodos Multivariados Discriminantes y de Clasificación, y su sensibilidad y fiabilidad en la aplicación a diferentes problemas reales o simulados. Si bien el estudio puede centrarse en ciertos métodos que podrían entenderse como clásicos y de una esencia más estadística, es indudable que, en los últimos años, se ha producido un grancrecimiento en las capacidades de generar y recolectar datos. En estos enormesvolúmenes de datos, existe gran cantidad de información a la que sería difícil,cuando no imposible, acceder mediante los métodos clásicos. Técnicas propias dela Minería de Datos, posibilitan el análisis de estas masas de datos, en búsqueda depatrones y predicciones, que permitan generar información útil a partir de ellos.Se pretende, entonces, comparar las diferentes técnicas estadísticas clásicascon las propias de la Minería de Datos en las tareas de Discriminación yClasificación, estableciendo similitudes y diferencias, y analizando las estimaciones que se obtienen con ellas al aplicarlas a problemas reales o simulados.