Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas
La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción
Main Authors: | , , , , , , , |
---|---|
Format: | info:ar-repo/semantics/documento de conferencia biblioteca |
Language: | spa |
Published: |
Sociedad Argentina de Informática
2021-10-18
|
Subjects: | Enfermedades de las Plantas, Factores Climáticos, Plant Diseases, Climatic Factors, Boruta, Algoritmo Genético, Filtrado, Análisis Componentes Principales, Patosistema, |
Online Access: | http://hdl.handle.net/20.500.12123/10788 https://50jaiio.sadio.org.ar/Anales/Cai/Contribuciones |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
oai:localhost:20.500.12123-10788 |
---|---|
record_format |
koha |
institution |
INTA AR |
collection |
DSpace |
country |
Argentina |
countrycode |
AR |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-inta-ar |
tag |
biblioteca |
region |
America del Sur |
libraryname |
Biblioteca Central del INTA Argentina |
language |
spa |
topic |
Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema |
spellingShingle |
Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema Suarez, Franco Giannini Kurina, Franca Bruno, Cecilia Inés Rodriguez Pardina, Patricia Gimenez, Maria De La Paz Reyna, Pablo Gastón Torrico Ramallo, Ada Karina Balzarini, Monica Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
description |
La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción |
format |
info:ar-repo/semantics/documento de conferencia |
topic_facet |
Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema |
author |
Suarez, Franco Giannini Kurina, Franca Bruno, Cecilia Inés Rodriguez Pardina, Patricia Gimenez, Maria De La Paz Reyna, Pablo Gastón Torrico Ramallo, Ada Karina Balzarini, Monica |
author_facet |
Suarez, Franco Giannini Kurina, Franca Bruno, Cecilia Inés Rodriguez Pardina, Patricia Gimenez, Maria De La Paz Reyna, Pablo Gastón Torrico Ramallo, Ada Karina Balzarini, Monica |
author_sort |
Suarez, Franco |
title |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
title_short |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
title_full |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
title_fullStr |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
title_full_unstemmed |
Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
title_sort |
métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas |
publisher |
Sociedad Argentina de Informática |
publishDate |
2021-10-18 |
url |
http://hdl.handle.net/20.500.12123/10788 https://50jaiio.sadio.org.ar/Anales/Cai/Contribuciones |
work_keys_str_mv |
AT suarezfranco metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT gianninikurinafranca metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT brunoceciliaines metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT rodriguezpardinapatricia metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT gimenezmariadelapaz metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT reynapablogaston metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT torricoramalloadakarina metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas AT balzarinimonica metodosdeselecciondepredictoresparalaconstrucciondemodelosderiesgodeenfermedadencultivosapartirdevariablesclimaticas |
_version_ |
1762927271994195968 |
spelling |
oai:localhost:20.500.12123-107882022-12-21T11:01:45Z Métodos de selección de predictores para la construcción de modelos de riesgo de enfermedad en cultivos a partir de variables climáticas Suarez, Franco Giannini Kurina, Franca Bruno, Cecilia Inés Rodriguez Pardina, Patricia Gimenez, Maria De La Paz Reyna, Pablo Gastón Torrico Ramallo, Ada Karina Balzarini, Monica Enfermedades de las Plantas Factores Climáticos Plant Diseases Climatic Factors Boruta Algoritmo Genético Filtrado Análisis Componentes Principales Patosistema La alta dimensionalidad y la correlación entre las múltiples variables candidatas a predictoras para la estimación de un modelo estadístico capaz de predecir la enfermedad de un cultivo en función del ambiente determina la necesidad de recurrir a herramientas metodológicas estadísticas que permitan reducir la dimensionalidad. El objetivo de este trabajo fue comparar el desempeño de métodos de selección de variables en su capacidad para detectar variables climáticas relevantes para la construcción de un modelo logístico que será usado para la predicción de probabilidad de presencia de enfermedad en un patosistema. En este trabajo se compararon tres métodos de selección de variables: Método de Filtrado (F), algoritmo genético (AG) y Boruta (B), en tres patosistemas (MRCV en maíz, Begomovirus en poroto y en soja). Las variables seleccionadas por cada método fueron sometidas a un análisis de componentes principales (ACP) para una nueva reducción de dimensión y obtención de variables sintéticas no correlacionadas. El desempeño de los métodos comparados se evaluó mediante la estimación de la precisión, especificidad y sensibilidad para un modelo lineal predictivo. B y F fueron más eficientes en la predicción. La combinación de estos con el ACP aumentó la eficiencia del modelo de predicción Instituto de Patología Vegetal Fil: Suarez, Franco. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Estadística y Biometría; Argentina Fil: Giannini Kurina, Franca. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Estadística y Biometría; Argentina Fil: Giannini Kurina, Franca. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Bruno, Cecilia. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Estadística y Biometría; Argentina Fil: Bruno, Cecilia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Rodriguez Pardina, Patricia . Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Rodriguez Pardina, Patricia. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Gimenez, Maria De La Paz. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Gimenez, Maria De La Paz. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Reyna, Pablo Gastón. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Reyna, Pablo Gastón. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Torrico Ramallo, Ada Karina. Instituto Nacional de Tecnología Agropecuaria (INTA). Instituto de Patología Vegetal; Argentina Fil: Torrico Ramallo, Ada Karina. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina Fil: Balzarini, Mónica. Universidad Nacional de Córdoba. Facultad de Ciencias Agropecuarias. Estadística y Biometría; Argentina Fil: Balzarini, Mónica. Consejo Nacional de Investigaciones Científicas y Técnicas. Unidad de Fitopatología y Modelización Agrícola (UFyMA); Argentina 2021-11-29T12:07:30Z 2021-11-29T12:07:30Z 2021-10-18 info:ar-repo/semantics/documento de conferencia info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion http://hdl.handle.net/20.500.12123/10788 https://50jaiio.sadio.org.ar/Anales/Cai/Contribuciones 2525-0949 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf Sociedad Argentina de Informática 50 Jornadas Argentinas de Informática (50 JAIIO), 13 Congreso Argentino de AgroInformática (CAI 2021), 18 al 29 de octubre de 2021 (virtual) |