Discrete choice modeling using Kernel Logistic Regression
22nd Euro Working Group on Transportation Meeting (EWGT 2019)
José Ángel Martín Baos,
Abstract
The Kernel Logistic Regression is a popular technique in machine learning. In this work this tech- nique is applied to the field of discrete choice modeling. This approach is equivalent to specifying non-parametric utilities in random utility models. A Monte Carlo simulation experiment has been carried out to compare this approach with Multinomial Logit models, comparing the goodness of fit and the capability of obtaining the specified utilities.
José Ángel Martín Baos es investigador y profesor en la Escuela Superior de Informática de la Universidad de Castilla-La Mancha, donde ocupa el cargo de Profesor Ayudante Doctor en el departamento de Matemáticas. En el año 2023, obtuvo su doctorado en Tecnologías Informáticas Avanzadas por la Universidad de Castilla-La Mancha. Previamente, en 2018, obtuvo el grado en Ingeniería Informática, seguido del Máster en Ingeniería Informática en 2019, obteniendo el premio a mejor expediente en ambos.
Desde 2016, José Ángel ha estado trabajando como investigador en el grupo de investigación MAT (Modelos y Algoritmos en Sistemas de Transporte) de la Universidad de Castilla-La Mancha. Su investigación se enfoca en el uso de modelos de aprendizaje automático e inteligencia artificial para resolver problemas de optimización en el campo del transporte. En particular, ha estado involucrado en la aplicación de modelos de aprendizaje automático para la modelización de la demanda de transporte.