Latent Class Analysis (Análisis de Clases Latentes)
Es una técnica estadística utilizada para identificar subgrupos o clases no observables dentro de un conjunto de datos, basándose en las relaciones entre las variables observadas.
Se emplea para modelar datos categóricos, donde las variables latentes representan categorías ocultas que explican los patrones de respuesta en las variables manifiestas.
Dentro del ámbito de machine learning, se considera un método no supervisado, útil para la segmentación de datos, reducción dimensional y análisis predictivo.
Es ampliamente utilizado en diversas áreas como psicología, marketing, biología y ciencias sociales, donde la comprensión de patrones ocultos es fundamental.
La técnica asume que las observaciones provienen de una mezcla de distribuciones y que las clases latentes son responsables de generar los datos observados.
Su implementación requiere la elección del número de clases latentes óptimas, normalmente determinado mediante criterios de ajuste como AIC, BIC o validación cruzada.
En el contexto de la inteligencia artificial, puede servir como base para técnicas más complejas de modelado probabilístico o sistemas de recomendación.