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
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/58736
Ver los metadatos del registro completo
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 |