Comparación estadística del desempeño de modelos de clasificación: un enfoque tutorial con Python

Vista sencilla de ítem
dc.contributor.authorQuintero Zea, Andrés
dc.date.accessioned2025-05-19T20:19:33Z
dc.date.available2025-05-19T20:19:33Z
dc.date.issued2025
dc.description16 páginas
dc.description.abstractRESUMEN: La comparación objetiva del desempeño de clasificadores es fundamental en aplicaciones biomédicas donde las decisiones basadas en modelos tienen consecuencias clínicas. Este artículo presenta un enfoque tutorial para aplicar pruebas estadísticas a la evaluación comparativa de modelos de clasificación, tanto binarios como multiclase. Se revisan métricas comunes, así como pruebas estadísticas paramétricas y no paramétricas. Se incluyen ejemplos reproducibles en Python usando bibliotecas como scikit-learn y SciPy. Este trabajo busca apoyar a investigadores en la toma de decisiones fundamentadas sobre el rendimiento relativo de modelos predictivos.spa
dc.format.mimetypeapplication/pdf
dc.identifier.urihttps://repository.eia.edu.co/handle/11190/7054
dc.language.isospa
dc.publisherUniversidad EIA
dc.publisher.placeEnvigado (Antioquia, Colombia)
dc.rightsDerechos Reservados - Universidad EIA, 2025
dc.subject.proposalClasificadoresspa
dc.subject.proposalAnálisis estadístico
dc.titleComparación estadística del desempeño de modelos de clasificación: un enfoque tutorial con Pythonspa
dc.typeDocumento de trabajospa
dc.type.coarhttp://purl.org/coar/resource_type/c_8042
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/workingPaper
dc.type.redcolhttp://purl.org/redcol/resource_type/WP
dc.type.versioninfo:eu-repo/semantics/publishedVersion
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Working_Paper_GIBEC_01_Comparacion_estadistica.pdf
Tamaño:
901.01 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
2.49 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Working paper