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

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.

Pitarque, Alfonso
Ruiz, Juan Carlos

Roy, J. F.

Psicológica: Revista de metodología y psicología experimental, ISSN 0211-2159, Vol. 19, Nº 3, 1998, pags. 387-398

redes neuronales
modelos estadísticos
predicción
clasificación

redes neuronales
modelos estadísticos
predicción
clasificación