Métodos Kernel: ajuste (regresión) por mínimos cuadrados

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 08:55

Resumen:

Este vídeo presenta la reformulación (equivalente) de un problema de regresión de mínimos cuadrados regularizado (ridge-regression) en “versión Kernel” (pocas muestras, mucha info por muestra). El óptimo, como en todos los problemas de mínimos cuadrados se obtiene derivando e igualando a cero una expresión matricial (de forma análoga a la discutida en el vídeo [optimLS]).

Colección completa [VER]:

• Anterior   Truco del Kernel (2): selección de Kernel y construcción de modelo de regresión final

• Siguiente Métodos Kernel: ajuste (regresión) por mínimos cuadrados, Ejemplo Matlab