K-Vecino más próximo en una aplicación de clasificación y predicción en el Poder Judicial del Perú

  • Nel Quezada Lucio Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Matemáticas. Lima, Perú
Palabras clave: clasificación supervisada y no supervisada, k-vecinos más próximos, clasificación no paramétrica, partición, validación cruzada aleatoria.

Resumen

Este artículo resume las contribuciones principales de la tesis con el título “K-vecino más próximos en una aplicación de clasificación y predicción en el Poder Judicial del Perú". En esta tesis se construye un modelo utilizando el método de los k-vecinos más próximos que permite clasificar y predecir las Cortes Superiores de Justicia del Perú. Mediante un análisis descriptivo de datos se excluye la Corte de Lima del estudio. Con las restantes 30 Cortes Superiores, se genera un modelo de tres grupos fundado en clasificación no supervisada, para ello se deduce la matriz de distancia euclidiana que origina el árbol de clasificación. Se construye el modelo de clasificación de tres vecinos más próximos, con partición y pliegues de validación cruzada aleatoria, que indica; el modelo de espacio de predictores, el error cuadrático o índice de error que valida el valor óptimo de k = 3 vecinos, el error del modelo y el índice global de pronostico que miden la precisión o exactitud del modelo encontrado, importancia del predictor, mapas de cuadrantes y tabla de vecinos.

Descargas

La descarga de datos todavía no está disponible.
Publicado
2018-09-10
Cómo citar
Quezada Lucio, N. (2018). K-Vecino más próximo en una aplicación de clasificación y predicción en el Poder Judicial del Perú. Pesquimat, 21(1), 11-21. https://doi.org/10.15381/pes.v21i1.15077
Sección
Artículos originales