Generalización del algoritmo de boosting binario para más de dos clases

Abstract

En este trabajo se ha creado una librería dentro del paquete estadístico R, para la generalización del algoritmo de boosting para más de dos clases. Actualmente en este paquete estadístico existen librerías, por ejemplo gbm (generalized boosted regression models), en la que aparece la implementación de la técnica boosting para la clasificación en problemas de dos clases. Esto supone una limitación a la hora de usar esta técnica ya que en numerosas ocasiones los problemas de clasificación involucran un número mayor de clases. La librería creada contiene varias funciones auxiliares para el apoyo a la función principal en la que está implementada la técnica boosting para más de dos clases. Finalmente, y a modo de aplicación de la librería obtenida, se ha realizado un análisis de varios problemas de clasificación, comparando las tasas de error del algoritmo en nuestra librería con otro método de clasificación basado en arboles de clasificación. Este estudio aplicado ha servido también como validación de la librería implementada.