A. I. Velasquez Pizarro, M. Zarzo

The case of tenders is a big data problem of high dimensionality and binary variables. This study empirically verifies, with bidding data, the relationship between Cronbach's Alpha coefficient and dimensionality reduction criteria in order to compare two multivariate models: i) Principal Component Analysis (PCA) for the continuous case and ii) Multiple Correspondence Analysis (MCA) with categorical data. In both models, it is proved that the reliability of the latent structure will be the key factor to determine the efficiency of the bidding classifier when it is in an exploratory or confirmatory stage. Finally, the most appropriate Machine Learning (ML) techniques are selected for segmentation and to achieve greater efficiency in tender classification.

Palabras clave: Multiple Correspondence Analysis (MCA), Principal Component Analysis (PCA), Public Procurement, Auction, Tender.

Programado

Análisis Multivariante
8 de noviembre de 2023  12:00
CC4: Sala 2


Otros trabajos en la misma sesión

Estudio empírico de las medianas difusas restringidas a la muestra

S. Palacio Vega, B. Sinova Fernández, M. Á. Gil Álvarez

Generación de outliers con propiedades específicas, a partir de un modelo de Análisis de Componentes Principales

F. J. Arteaga Moreno, A. González Cebrián, A. Folch Fortuny, A. J. Ferrer Riquelme


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.