Selección de Variables: simple pero no simplista

A menudo, al modelar, queremos identificar las variables más importantes o eliminar las que no lo son. La solución a este problema se puede evaluar desde diferentes enfoques. Desde un punto de vista predictivo, es razonable considerar que la respuesta consiste en identificar las variables que conducen a que las predicciones sean lo más cercanas posibles a la verdadera distribución generadora de datos. En la práctica esta distribución es desconocida, por lo que simplemente cambiamos un problema por otro. En esta charla discutiremos como darle solución a este dilema. La intuición detrás del método utilizado y algunas ejemplos prácticos de selección de variables.