El aprendizaje de cuantificación vectorial (LVQ, por sus siglas en inglés) es un algoritmo de aprendizaje supervisado inventado por Teuvo Kohonen, utilizado en el campo del aprendizaje automático para clasificar datos en conjuntos de clases predefinidos. LVQ es un tipo de red neuronal que se enfoca en dividir el espacio de características de los datos en regiones que corresponden a diferentes clases.
El proceso de LVQ implica la asignación de pesos a cada uno de los nodos de la red. Los pesos se ajustan durante la fase de entrenamiento para que el modelo pueda clasificar los datos de manera más efectiva. Este ajuste se basa en la medida de distancia al igual que el clasificador k-NN. Así pues, a través de un aprendizaje competitivo, el prototipo más cercano a la muestra de entrenamiento es el que será actualizado, alejándose o acercándose según favorezca los resultados de clasificación.
Durante la fase de predicción, el modelo utiliza los pesos de la red para asignar una clase a los nuevos casos que se le presentan.
Referencia :T. Kohonen. Learning vector quantization for pattern recognition.
Muchas veces nos preguntamos dónde se aplica el Big Data y podemos suponer una gran relevancia de Big Data para los negocios. Esto explica el gran in [...]
Leer más »Normalmente, el Aprendizaje Automático se utiliza para resolver problemas comerciales en diversos sectores y áreas donde se aplican diferentes algor [...]
Leer más »La inteligencia artificial (IA), el Aprendizaje Automático (ML) y el análisis de datos están cambiando rápidamente y teniendo un gran impacto en e [...]
Leer más »La Inteligencia Artificial (IA) deriva en una serie de modelos o ramas que se pueden emplear en diferentes ámbitos de la vida de las personas así co [...]
Leer más »
