摘要：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 diseno 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 compan´ıas y su clasificaci´on de riesgo emitida por una conocida evaluadora del mercado financiero.
关键词：Aprendizaje Autom´atico; M´aquinas de Soporte Vectorial; Funciones N´ucleo; Razonamiento Cualitativo
