Regresión Kernel: interpretación estadística/filtro de Wiener (Matlab)

Antonio Sala, UPV

Dificultad: ***** ,       Relevancia: ,      Duración:

Resumen:

Este es un fichero de Matlab que ejemplifica cómo generar una función $\kappa (x,y)$ para Kernel regression en el sentido estadístico descrito en el material [kstat].

Si se ejecuta la prueba “0”, se puede (comentar/descomentar) ver el efecto de usar un filtro de primer orden $a∕(s+b)$ o un filtro de Butterworth de segundo orden $a∕(s^2+\sqrt{2}\cdot \omega s+{\omega }^2)$ para generar sus power-spectral-density y autocorrelación asociadas, siendo la última la propuesta para $\kappa$. La relación con la fórmula de reconstrucción de señales muestreadas de ancho de banda finito también es explorada (teorema de Shannon-Nyquist) haciendo prueba=1. En resumen, back to the basics: los métodos Kernel pueden ser reinterpretados como la versión multidimensional de resultados clásicos de “filtro de Wiener”, “Shannon”, etc. en procesado de señal.

Colección completa [VER]:

• Anterior   Interpretación estadística de la regresión Kernel mínimos cuadrados, procesos gaussianos

• Siguiente Optimización de hiperparámetros de un kernel (covarianza proc. estocástico) para regresión