Cap´ıtulo 8 Aprendizaje Basado en Instancias
Cap´ıtulo 8 Aprendizaje Basado en Instancias
Cap´ıtulo 8 Aprendizaje Basado en Instancias
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
• Para evitar infinitos (inverse distance):<br />
K(d) = 1<br />
1 + d p<br />
• Uno de los más populares, es el kernel Gaussiano:<br />
• Uno relacionado es el expon<strong>en</strong>cial:<br />
K(d) = exp(−d 2 )<br />
K(d) = exp(−|d|)<br />
Los dos últimos ti<strong>en</strong><strong>en</strong> una ext<strong>en</strong>sión infinita que se puede truncar<br />
después de un cierto umbral.<br />
• Kernel cuadrático o Epanechnikov o Bartlett-Priestley:<br />
<br />
(1 − d<br />
K(d) =<br />
2 ) si |d| < 1<br />
0 de otra forma<br />
el cual ignora datos más alejados que 1 unidad.<br />
• El kernel tricube:<br />
K(d) =<br />
• Kernel de uniform weighting:<br />
<br />
• Kernel triangular:<br />
<br />
K(d) =<br />
K(d) =<br />
• Variante del triangular:<br />
K(d) =<br />
(1 − |d| 3 ) 3 si |d| < 1<br />
0 de otra forma<br />
<br />
1 si |d| < 1<br />
0 de otra forma<br />
1 − |d| si |d| < 1<br />
0 de otra forma<br />
1−|d|<br />
|d|<br />
si |d| < 1<br />
0 de otra forma<br />
Se pued<strong>en</strong> crear nuevos kernels. Según los autores la definición del kernel<br />
no es tan crítica.<br />
184