Truco del Kernel (1): eliminación de espacio nulo, matriz de productos escalares

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 12:27

Resumen:

Este vídeo revisa someramente las ideas del vídeo [kermot] y expone el detalle técnico del problema: un problema de optimización $J(𝜃)=L(𝜃X)+c\parallel 𝜃\parallel$ puede plantearse de forma equivalente en términos de unas variables $w$, con el cambio $𝜃=w{X}^T$. El número de elementos de $w$ es igual al número de muestras de entrenamiento. Con ello, $J(𝜃)=J(w)=L(wK)+c\cdot (wK{w}^T)$ siendo $K=X^{T}X$ denominada matriz “kernel”. La elección de regresores en muchos problemas se cambia por la elección de $K$ de entre diversas opciones analizadas en la literatura.

Colección completa [VER]:

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

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