Control del error y sobreajuste en los problemas de clasificación

Abstract

Este trabajo se centra en problemas de aprendizaje supervisado, principalmente en el problema de clasificación. La disponibilidad computacional ha hecho aumentar de forma notable la cantidad y variedad de reglas de clasificación que se pueden ajustar. Es habitual encontrar situaciones en las que sobre un conjunto reducido de casos (n=100, 1000) se ha registrado una cantidad de información de variables respuesta (p=(10)5, (10)6). En estas condiciones es muy fácil encontrar reglas que tengan un buen comportamiento sobre la muestra. Sin embargo, sin un buen entendimiento del comportamiento probabilístico de los métodos empleados para seleccionar tales reglas se puede llegar a aceptar reglas con capacidad predictiva muy limitada. Este trabajo se dedica precisamente a estudiar este comportamiento probabilístico y a analizar las propiedades de tres de los principios más habituales de selección de reglas de clasificación actualmente: minimización del riesgo estructural, máquinas de soporte vectorial y lasso.