Selección de variables en modelos de regresión logística usando regularización

Abstract

Con el propósito de desarrollar un mecanismo probabilístico que modele el comportamiento natural de un fenómeno dicotómico, garantizando estabilidad, generalización, interpretabilidad, precisión y la estimación de parámetros, mientras selecciona variables y evita problemas de multicolinealidad, se implementan modelos lineales generalizados regularizados con respuesta binomial y enlace logístico. Para validar estas características, en particular la capacidad de selección de variables, se propone comparar esta metodología en términos de AUC con las técnicas clásicas. Estas últimas incluyen el modelo lineal generalizado con respuesta binomial y enlace logit, utilizando métodos de ajuste como el AIC (Criterio de Información de Akaike) y estrategias de selección de variables como forward, backward y stepwise. (Texto tomado de la fuente).

To develop a probabilistic mechanism capable of modeling the natural behavior of a dichotomous phenomenon while ensuring stability, generalization, interpretability, precision, and parameter estimation, as well as variable selection while avoiding multicollinearity issues, generalized linear models with regularization for a binomial response and logistic link are implemented. To validate these features, particularly the ability to select variables, this methodology is compared in terms of AUC with classical approaches. The latter include generalized linear models with binomial response and logistic link, using adjustment methods such as AIC (Akaike Information Criterion) and variable selection strategies like forward, backward, and stepwise