Otros índices de coste para regresión: valor absoluto de error/parámetros (LP;QP)

Antonio Sala, UPV

Dificultad: *** ,       Relevancia: ,      Duración: 11:49

Resumen:

Este vídeo presenta alternativas basadas en el mínimo “valor absoluto” tanto del error de predicción $y-𝜃\varphi (x)$ de un modelo como de los parámetros (para regularización). Presentan una mayor robustez a “outliers” (valores anómalos, totalmente fuera de modelo) y suelen producir un número de parámetros (si se usan en regularización) con más elementos igual a cero que la regularización $c\parallel 𝜃{\parallel }^2$.

El inconveniente es que no existe una fórmula “explícita”, cerrada, con la solución (en los mínimos cuadrados sí existe, con inversas y pseudoinversas); los parámetros óptimos deben ser calculados numéricamente con programación lineal o cuadrática.

En algunas transparencias en el vídeo aparece $q_i$ en vez de ${𝜃}_i$. Está corregido en el PDF de materiales.

Colección completa [VER]:

• Anterior   Ejemplo mínimos cuadrados totales TLS 5 variables (Matlab): sesgo con escalado incorrecto

• Siguiente Problemas con gran número de variables por muestra: motivación al enfoque kernel