Redes neurales vs modelos estadísticos: simulaciones sobre tareas de predicción y clasificación

• Autores: Alfonso Pitarque, Juan Carlos Ruiz, J. F. Roy
• Localización: Psicológica: Revista de metodología y psicología experimental, ISSN-e 1576-8597, ISSN 0211-2159, Vol. 19, Nº 3, 1998, págs. 387-398
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 8 Citas
• Resumen

  • En este trabajo se comparan mediante simulación redes neuronales (del tipo perceptrón multicapa) con modelos estadísticos (regresión múltiple, análisis discriminante y regresión logística) en tareas de predicción y clasificación (binaria o no binaria), manipulando los patrones de correlación existentes entre los predictores (o variables de entrada) por un lado, y entre predictores con el criterio (variable de salida) por otro. Los resultados muestran que en tareas de predicción redes neurales y modelos de regresión múltiple tienden a rendir por igual. Por contra en las tareas de clasificación en todo tipo de condiciones las redes neurales rinden mejor que los modelos estadísticos de análisis discriminante y regresión logística. Se discuten los resultados en el marco de la polémica redes neurales vs modelos estadísticos convencionales.