@conference{ECMRO2013,
author = "Pedro Antonio Guti{\'e}rrez and Mar{\'i}a P{\'e}rez-Ortiz and Javier S{\'a}nchez-Monedero and C{\'e}sar Herv{\'a}s-Mart{\'i}nez",
abstract = "En este trabajo se presenta un estudio comparativo de una familia de m{\'e}todos de clasificaci{\'o}n en el contexto de regresi{\'o}n ordinal, los conocidos como m{\'e}todos de umbral. El t{\'e}rmino regresi{\'o}n ordinal hace referencia a aquellos problemas de clasificaci{\'o}n en los que las categor{\'i}as de la variable discreta a predecir guardan una relaci{\'o}n natural de orden. Al contrario que los m{\'e}todos tradicionales de clasificaci{\'o}n nominal que ignoran el orden de las etiquetas, los m{\'e}todos de umbral est{\'a}n dise{\~n}ados para aprovecharlo. En concreto, se basan en proyectar los datos a una l{\'i}nea recta mediante un modelo lineal o no lineal y aprender un conjunto
de umbrales que dividen dicha l{\'i}nea en las distintas categor{\'i}as, incluyendo la informaci{\'o}n de orden de forma directa. Aunque la versi{\'o}n lineal de los m{\'e}todos de umbral es bien conocida y utilizada en {\'a}reas como ciencias sociales, su uso no es tan popular en el {\'a}rea de aprendizaje autom{\'a}tico. Sin embargo, existen algunos clasificadores no lineales basados en estas ideas. Este art{\'i}culo introduce las caracter{\'i}sticas de los m{\'e}todos existentes y ofrece un estudio comparativo experimental de los mismos.
",
booktitle = "IX Congreso Espa{\~n}ol de Metaheur{\'i}sticas, Algoritmos Evolutivos y Bioinspirados (MAEB 2013)",
isbn = "978-84-695-8348-7",
month = "17th-20th September",
organization = "Madrid, Spain",
pages = "872--881",
title = "{E}studio comparativo de distintos m{\'e}todos de umbral en regresi{\'o}n ordinal",
year = "2013",
}