Una estrategia recursiva para la detección de puntos de impacto en FDA
En este trabajo consideramos el problema de la selección de variables en clasificación funcional a través de puntos de impacto, entendidos como un conjunto reducido de instantes temporales que concentra la información más relevante para discriminar entre clases. Tomando como punto de partida el método Maxima Hunting, que selecciona variables a partir de los máximos locales de una medida de dependencia entre la clase y la trayectoria funcional, proponemos Recursive Maxima Hunting, un procedimiento iterativo que selecciona sucesivamente las variables más relevantes y corrige su efecto sobre la trayectoria mediante esperanza condicional bajo un modelo gaussiano. Estudiamos su comportamiento teórico en modelos gaussianos homocedásticos y mostramos, tanto en datos simulados como reales, que el método permite recuperar variables relevantes y alcanzar una precisión competitiva con un ajuste mínimo de hiperparámetros.
Palabras clave: Análisis de Datos Funcionales selección de variables clasificación supervisada