K-Vecino más próximo en una aplicación de clasificación y predicción en el Poder Judicial del Perú

• Autor: Quezada Lucio, Nel
• Formato: artículo
• Fecha de Publicación: 2018
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Pesquimat
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/15077
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/matema/article/view/15077
• Nivel de acceso: acceso abierto
• Materia: supervised and unsupervised classification; nearest k-neighbors; nonparametric classification; partition; random cross-validation; clasificación supervisada y no supervisada; k-vecinos más próximos; clasificación no paramétrica; partición; validación cruzada aleatoria.

Este artículo resume las contribuciones principales de la tesis con el título “K-vecino más próximos en una aplicación de clasificación y predicción en el Poder Judicial del Perú". En esta tesis se construye un modelo utilizando el método de los k-vecinos más próximos que permite clasificar y predecir las Cortes Superiores de Justicia del Perú. Mediante un análisis descriptivo de datos se excluye la Corte de Lima del estudio. Con las restantes 30 Cortes Superiores, se genera un modelo de tres grupos fundado en clasificación no supervisada, para ello se deduce la matriz de distancia euclidiana que origina el árbol de clasificación. Se construye el modelo de clasificación de tres vecinos más próximos, con partición y pliegues de validación cruzada aleatoria, que indica; el modelo de espacio de predictores, el error cuadrático o índice de error que valida el valor óptimo de k = 3 vecinos, el error del modelo y el índice global de pronostico que miden la precisión o exactitud del modelo encontrado, importancia del predictor, mapas de cuadrantes y tabla de vecinos.
Abstract: This article summarizes the main contributions of the thesis with the title “K-Nearest neighbor in a classification and prediction application in the Judicial Power of Peru". In this thesis a model is constructed using the method of the nearest k-neighbors that allows classifying and predicting the Superior Courts of Justice of Peru. Through a descriptive data analysis, the Lima Court is excluded from the study. With the remaining 30 Superior Courts, a three-group model based on unsupervised classification is generated, for which the Euclidean distance matrix that originates the classification tree is deduced. The classification model of three nearest neighbors is constructed, with partition and random cross-validation folds, which indicates; the predictor space model, the quadratic error or error index that validates the op-timal value of k = 3 neighbors, the model error and the global forecast index that measure the accuracy or accuracy of the model found, importance of the predictor, maps of quadrants and table of neighbors.