ACADÉMICO DE ESTADÍSTICA UDEC PUBLICA ARTÍCULO EN PRESTIGIOSA REVISTA INTERNACIONAL
Por Celeste Burgos Badal
Comunicaciones
Un estudio centrado en el uso de Modelos de Elección Discreta y algoritmos de Machine Learning fue llevado a cabo por investigadores de la Universidad de Concepción. El trabajo titulado “A systematic comparative evaluation of machine learning classifiers and discrete choice models for travel mode choice in the presence of response heterogeneity” está liderado por el académico del Departamento de Estadística Patricio Salas, en conjunto con Rodrigo De la Fuente (Dpto. de Ingeniería Industrial), Sebastián Astroza (Dpto. de Ingeniería Industrial e Instituto Sistemas Complejos de Ingeniería) y Juan Antonio Carrasco (Dpto. de Ingeniería Civil e Instituto Sistemas Complejos de Ingeniería).
En el estudio, los investigadores realizaron una comparación del rendimiento predictivo de cinco clasificadores de Machine Learning (ML) y dos modelos de elección discreta (Multinomial Logit y Mixed Logit), y analizaron la capacidad de explicación de los distintos modelos calculando el efecto de diferentes variables, sobre la performance predictiva de los modelos en términos globales y locales utilizando un método de modelo agnóstico.
Es importante mencionar que los modelos de elección discreta han sido durante décadas la técnica más utilizada para modelar la elección del modo de viaje de las personas; se utilizan para explicar o predecir una elección en un conjunto de alternativas distintas. Un ejemplo del uso de este tipo de modelo se utiliza para responder preguntas como ¿por qué motivos la gente elige viajar en vehículo, metro, bicicleta o caminando para ir al trabajo? o también su uso se puede aplicar para analizar los factores que influyen que una persona elija un tipo de vehículo en lugar de otro. Por otra parte, durante los últimos años ha aumentado el uso de algoritmos de ML para modelar este mismo fenómeno.
