Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación

Autores
Romero, María del Carmen; Camio, María Isabel; Álvarez, María Belén
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
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.
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.
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
Fil: Camio, María Isabel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; Argentina
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
Materia
ENTROPIA
ALTA DIMENSIONALIDAD
FILTROS
SOFTWARE Y SERVICIOS INFORMÁTICOS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/58736

id CONICETDig_7823fdeb80453339d766481b7e732254
oai_identifier_str oai:ri.conicet.gov.ar:11336/58736
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovaciónRomero, María del CarmenCamio, María IsabelÁlvarez, María BelénENTROPIAALTA DIMENSIONALIDADFILTROSSOFTWARE Y SERVICIOS INFORMÁTICOShttps://purl.org/becyt/ford/1.1https://purl.org/becyt/ford/1https://purl.org/becyt/ford/5.2https://purl.org/becyt/ford/5En 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.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.Fil: Romero, María del Carmen. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; ArgentinaFil: Camio, María Isabel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; ArgentinaFil: 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; ArgentinaEscuela de Perfeccionamiento en Investigación Operativa2015-05info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/58736Romero, 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; 84-1030329-7322CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/epio/article/view/11987info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:47:16Zoai:ri.conicet.gov.ar:11336/58736instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:47:17.177CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
title Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
spellingShingle Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
Romero, María del Carmen
ENTROPIA
ALTA DIMENSIONALIDAD
FILTROS
SOFTWARE Y SERVICIOS INFORMÁTICOS
title_short Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
title_full Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
title_fullStr Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
title_full_unstemmed Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
title_sort Uso de la entropía condicional como método para la reducción de dimensionalidad. Una aplicación en gestión de la innovación
dc.creator.none.fl_str_mv Romero, María del Carmen
Camio, María Isabel
Álvarez, María Belén
author Romero, María del Carmen
author_facet Romero, María del Carmen
Camio, María Isabel
Álvarez, María Belén
author_role author
author2 Camio, María Isabel
Álvarez, María Belén
author2_role author
author
dc.subject.none.fl_str_mv ENTROPIA
ALTA DIMENSIONALIDAD
FILTROS
SOFTWARE Y SERVICIOS INFORMÁTICOS
topic ENTROPIA
ALTA DIMENSIONALIDAD
FILTROS
SOFTWARE Y SERVICIOS INFORMÁTICOS
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.1
https://purl.org/becyt/ford/1
https://purl.org/becyt/ford/5.2
https://purl.org/becyt/ford/5
dc.description.none.fl_txt_mv 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.
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.
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
Fil: Camio, María Isabel. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ciencias Económicas. Centro de Estudios en Administración; Argentina
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
description 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.
publishDate 2015
dc.date.none.fl_str_mv 2015-05
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/58736
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
0329-7322
CONICET Digital
CONICET
url http://hdl.handle.net/11336/58736
identifier_str_mv 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
0329-7322
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unc.edu.ar/index.php/epio/article/view/11987
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Escuela de Perfeccionamiento en Investigación Operativa
publisher.none.fl_str_mv Escuela de Perfeccionamiento en Investigación Operativa
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613473673150464
score 13.070432