{rfName}
sc

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

46

Altmetrics

Investigadores/as Institucionales

Ramos-Carreno, CarlosAutor (correspondencia)Torrecilla, Jose LuisAutor o CoautorSuarez, AlbertoAutor o Coautor

Compartir

26 de mayo de 2024
Publicaciones
>
Artículo
Sí

scikit-fda: A Python Package for functional data analysis

Publicado en: Journal Of Statistical Software. 109 (2): 1-37 - 2024-05-01 109(2), DOI: 10.18637/jss.v109.i02

Autores:

Ramos-Carreño, C; Carbajo-Berrocal, M; Torrecilla, JL; Marcos, P; Suárez, A
[+]

Afiliaciones

Univ Autonoma Madrid, Escuela Politecn Super, Dept Comp Sci, Madrid 28049, Spain - Autor o Coautor
Univ Autonoma Madrid, Fac Ciencias, Dept Math, Madrid 28049, Spain - Autor o Coautor
Univ Autonoma Madrid, Madrid, Spain - Autor o Coautor
Ver más

Resumen

The library scikit-fda is a Python package for functional data analysis (FDA). It provides a comprehensive set of tools for representation, preprocessing, and exploratory analysis of functional data. The library is built upon and integrated in Python's scientific ecosystem. In particular, it conforms to the scikit-learn application programming interface so as to take advantage of the functionality for machine learning provided by this package: Pipelines, model selection, and hyperparameter tuning, among others. The scikit-fda package has been released as free and open-source software under a 3-clause BSD license and is open to contributions from the FDA community. The library's extensive documentation includes step-by-step tutorials and detailed examples of use.
[+]

Palabras clave

ClassificationComputational statisticsDeptFeature-selectionFunctional data analysisInteractive data visualizationModelsPythonReductionRegressionScikit-learScikit-learn

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Journal of Statistical Software debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 3/169, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Statistics & Probability. Destacable, igualmente, el hecho de que la Revista está posicionada por encima del Percentil 90.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-01:

  • WoS: 21
  • Scopus: 18
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-01:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 36.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 35 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 7.
  • El número de menciones en la red social X (antes Twitter): 14 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Además, el trabajo se ha enviado a una revista clasificada como Diamante en relación con este tipo de política editorial.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: http://hdl.handle.net/10486/713696
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (RAMOS CARREÑO, CARLOS) y Último Autor (SUAREZ GONZALEZ, ALBERTO).

el autor responsable de establecer las labores de correspondencia ha sido RAMOS CARREÑO, CARLOS.

[+]

Objetivos del proyecto

El presente trabajo tiene como objetivos principales: proporcionar un conjunto integral de herramientas para la representación, preprocesamiento y análisis exploratorio de datos funcionales; integrar la biblioteca scikit-fda en el ecosistema científico de Python, asegurando conformidad con la interfaz de programación de aplicaciones de scikit-learn; facilitar el aprovechamiento de funcionalidades avanzadas de aprendizaje automático como pipelines, selección de modelos y ajuste de hiperparámetros; promover la distribución del paquete como software libre y de código abierto bajo licencia BSD de 3 cláusulas; y fomentar la colaboración de la comunidad de análisis de datos funcionales mediante documentación extensa, tutoriales paso a paso y ejemplos detallados de uso.
[+]

Resultados más relevantes

La aportación presenta el paquete scikit-fda, una herramienta en Python para el análisis de datos funcionales. Entre los resultados más relevantes se destacan: proporciona un conjunto integral de herramientas para la representación, preprocesamiento y análisis exploratorio de datos funcionales; está integrado en el ecosistema científico de Python, facilitando su uso conjunto con otras librerías; cumple con la interfaz de programación de aplicaciones de scikit-learn, permitiendo aprovechar funcionalidades avanzadas como pipelines, selección de modelos y ajuste de hiperparámetros; se distribuye como software libre bajo licencia BSD de 3 cláusulas; y cuenta con documentación extensa que incluye tutoriales paso a paso y ejemplos detallados de uso.
[+]

Reconocimientos ligados al ítem

The authors want to express their gratitude to the developers who made contributions to the scikit-fda package. In particular, we thank David Garcia Fernandez, Amanda Hernando Bernabe, Yujian Hong, Pedro Martin Rodriguez-Ponga Eyries, Pablo Perez Manso, Elena Petrunina, Luis Alberto Rodriguez Ramirez, and & Aacute;lvaro Sanchez Romero for their participation in the project. The authors acknowledge financial support from the Spanish Ministry of Education and Innovation, projects PID2019-106827GB-I00/AEI/10.13039/501100011033 and PID2019-109387GB-I00. This research was also supported by an FPU grant (Formacion de Profesorado Universitario) from the Spanish Ministry of Science, Innovation and Universities (MICIU) with reference FPU18/00047.
[+]