Estructura matemática del modelo factores latentes fortalecidos
Palabras clave:
Factores latentes fortalecidos, características ortogonales, estructura matemáticaResumen
El método de factores latentes fortalecidos busca crear una serie de características ortogonales que abarcan todo el espacio de interés con el propósito de reducir la dimensionalidad del espacio de características haciéndolas ortogonales, esto puede aumentar drásticamente la velocidad de convergencia del algoritmo. De esta forma deben construirse menos funciones para obtener la misma disminución en la función de costo. Este conjunto de características, relativamente pequeñas en comparación con los datos originales, se pueden utilizar para diversos propósitos, tales como, modelos predictivos, visualización y detección de variables. El objetivo de este trabajo es describir y analizar la estructura matemática del algoritmo de los factores latentes fortalecidos, enfocado en la obtención de un espacio ortogonal de entrenamiento y en la minimización de la función de costo diferenciable, para esto se parte de la revisión bibliográfica de trabajos de investigación Bühlmann, Hothorn [1]; Duffy, Helmbold [2]; Kramer, [3]; Momma And Bennett [4].
Descargas
Referencias
Bühlmann H., Boosting algorithms: regularization, prediction and model fitting. Statistical science, Vol 22, No. 4 (2007), 477- 505. En: http://www.cs.princeton.edu/~schapire/boost.html. [Consultado 6 de Septiembre 2009].
Duffy H., Boosting Methods for Regression, The Netherlands, Kluwer Academic Publishers, Vol.27, (2002), 153-200.
Kramer., An Introduction to Boosting in the Regresson Framework, Technical University Berlin, Institute de Quantitative Methods, (2007). En: https://scholar.google.co.ve/scholar?q=an+introduction+to+boosting+in+the+regression+framework&hl=es&as_sdt=0&as_vis=1&oi=scholart&sa=X-&ved=0CBkQgQMwAGoVChMInsauttSSyQIViGImCh2UOgQ2 [Consultado 20 de Julio 2007].
Momma M., y Bennett K., Constructing Orthogonal Latent Features for Arbitrary Loss, Studies in Fuzziness and Soft Computing, Vol 207, (2006), 1-28. En: http://basilo.kaist.ac.kr/papers/rensselaer/bennet/mb7.pdf [Consultado 20 Noviembre 2010].
Freund S., A Short Introduction to Boosting, Journal of Japanese Society for Artificial Inteligence,Vol 5, No.14, (1999), 771-780. En: http://www.cs.princeton.edu/~schapire/boost.html [Consultado 6 de Septiembre 2009].
Mason Ll., Baxter J., Boosting Algorithms as Gradient Descent in Function Space, MIT Press Cambridge (1999). En: http://citeseer.ist.psu.edu/124873.html [Consultado 13 de Noviembre 2007].
Thomas G., y Finney R., Cálculo varias variables (9na edición), Addison Wesley Longman, México, (1999).
Luenberger D., Programación Lineal y no Lineal. Addison-Wesley Iberoamericana, (1989)
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia Creative Commons Reconocimiento-CompartirIgual 3.0 Unported.
Avenida 2 “El Milagro”, entrada autónoma de la 