Learning Vector Quantization (LVQ) es un algoritmo de clasificación supervisada basado en prototipos inventado por Teuvo Kohonen, que se engloba dentro de los algoritmos de inteligencia artificial.
Puede entenderse como un caso especial de red de neuronas artificiales en el que se inicializan un conjunto de prototipos que se ajustan a través del conjunto de datos de entrenamiento.
Este ajuste se basa en la medida de distancia al igual que el clasificador k-NN, y es que LVQ trata de optimizar los resultados de este, concretamente de su versión 1-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
Referencia :T. Kohonen. Learning vector quantization for pattern recognition.
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 »El 'credit scoring' es un sistema que sirve para calificar créditos e intentar automatizar, con ello, la toma de decisiones a la hora de p [...]
Leer más »La captación de nuevos clientes potenciales es uno de los procesos con mayor importancia y dificultad para una empresa. Tradicionalmente ha sido nece [...]
Leer más »Cobrar deudas, hoy en día, se está convirtiendo en una ardua tarea para muchas empresas o autónomos. Cada vez son más los bancos, servicios [...]
Leer más »Un artículo publicado en abril de 2021 por Óscar Jiménez El Confidencial, se titulaba así “Premio de 34.000 M para los bancos por aplicar bien i [...]
Leer más »
