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.
El auge de la Inteligencia Artificial (IA) en los negocios está muy de actualidad. Su uso se está extendiendo y está cambiando, incluso, los modelo [...]
Leer más »En este artículo vamos a centrarnos en cómo la inteligencia artificial (IA) puede aumentar la eficiencia y reducir los costes de su empresa mediante [...]
Leer más »El software de optimización comercial basado en la inteligencia artificial debe tener feedback de las acciones comerciales llevadas a cabo, de las nu [...]
Leer más »Se pueden destacar 5 desafíos del Big Data que se definen como V (volumen, velocidad, veracidad, variedad y valor). R. Narasimhan debatió sobre 3V c [...]
Leer más »
