出版社：Universidad Nacional Autónoma de México, Servicios de Cómputo Académico
摘要：Resumen español
Los algoritmos de aprendizaje basados en Funciones N＇ucleo, particularmente las M＇aquinas de Soporte Vectorial (MSV), han proporcionado buenos resultados en problemas de clasificaci＇on con patrones de entrada no separables linealmente. El uso de las Funciones N＇ucleo permite aplicar estos algoritmos de inferencia incluso sobre informaci＇on proveniente de un conjunto sin estructura de espacio eucl＇ıdeo. Al considerar una Funci＇on N＇ucleo, los datos se proyectan de forma impl＇ıcita sobre un nuevo espacio de caracter＇ısticas cuya estructura es exportada hacia el espacio de origen. En este trabajo se analiza una Funci＇on N＇ucleo que act＇ua sobre datos que pertenecen a un Espacio Cualitativo de ＇Ordenes de Magnitud Absolutos. El dise榥o de esta Funci＇on N＇ucleo est＇a inspirado en recientes m＇etodos elaborados sobre M＇aquinas N＇ucleo para espacios discretos de trabajo. Como ilustraci＇on se presenta una aplicaci＇on de estos sistemas de aprendizaje en el campo financiero, concretamente en la modelizaci＇on del riesgo de cr＇edito. Se estudia los resultados de predicci＇on de riesgo crediticio de un conjunto de empresas que entregan informaci＇on p＇ublica al mercado. Para ello se utilizan variables econ＇omico-financieras de las compa榥＇ıas y su clasificaci＇on de riesgo emitida por una conocida evaluadora del mercado financiero.
Loading...
