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 »Hoy vamos a hablar sobre cómo prever problemas de pagos y prever los problemas en aquellos clientes que actualmente no te lo están dando. En G [...]
Leer más »Lo primero que hay que conocer son los límites de la IA y tras dominar los conceptos base se podrá construir un gran software comercial con intelige [...]
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 »
