Clasificación y su implementación en R

Abstract

La clasificación de datos es un proceso de aprendizaje estadístico que trata de agrupar en categorías conocidas los diferentes casos considerados buscando alguna relación entre las características de individuos de la misma clase. A lo largo de este trabajo serán descritos tanto la construcción como el funcionamiento de algunas de las técnicas más habituales para abordar un problema de clasificación desarrolladas durante el siglo XX. Los clasificadores considerados estarán divididos en lineales, no lineales o árboles de clasificación. Para cada clasificador se realizará un ejemplo utilizando el paquete informático R con diferentes conjuntos de datos a fin de mostrar su implementación y ver las ventajas o desventajas del uso de cada uno de ellos. En dichos ejemplos veremos que esta clase de problemas se pueden encontrar en diversos ámbitos de estudio lo cual remarca la utilidad de este proceso.

Classification is a statistical learning process which tries to group the different cases in known categories searching for a relationship between the features of the same class. Throughout this paper it will be described how to build a classifier and the performance of several of the most popular techniques developed during the 20th century. These classifiers could be linear, nonlinear or classification trees. For every classifier there will be an example with different data set using the R software in order to show the implementation of these algorithms and the advantages and disadvantages of every one. These examples demonstrate that this kinds of problems could be found in various fields of study which indicates how useful this process is.