Professional Documents
Culture Documents
Soporte
L. Gonzalez Abril
luisgon@us.es - Departamento de Economa Aplicada I
Universidad de Sevilla
Palabras clave: Problemas de Clasificaci
on, SVM, N
ucleos (Kernels).
Resumen
En este trabajo se presentan las caractersticas m
as importantes de los modelos de clasificaci
on
basados en m
aquinas de vectores soporte (SVM- Support Vector Machines).
Las m
aquinas de vectores soporte son sistemas de aprendizaje que utilizan como espacio de
hip
otesis, funciones lineales en espacios caractersticos de dimensi
on muy alta, ensayando algoritmos de aprendizaje de la teora de la optimizaci
on que implementan un aprendizaje sesgado
derivado a partir de la teora del aprendizaje estadstico.
Algunas de las caractersticas de estos modelos tienen una especial significaci
on en problemas
de clasificaci
on de corte econ
omico y en este trabajo se presentan y comentan.
1.
Introducci
on
La teora de las SVMs fue desarrollada inicialmente por V. Vapnik [18] a principios de los a
nos
80 y se centra en lo que se conoce como Teora del Aprendizaje Estadstico1 . El objeto de las
SVMs es dar soluci
on al problema fundamental que surge en distintos campos, donde se estudia,
la relaci
on entre sesgo y varianza [8], el control de la capacidad [13], sobreajuste en los datos [15],
etc. Este problema consiste en buscar, para una tarea de aprendizaje dada, con una cantidad
finita de datos, una adecuada funci
on que permita llevar a cabo una buena generalizaci
on2 que
sea resultado de una adecuada relaci
on entre la precisi
on alcanzada con un particular conjunto
de entrenamiento y la capacidad del modelo3 .
1 De
forma simplificada indicar que esta teora busca formas de estimar dependencias funcionales a partir de una
colecci
on de datos.
2 Donde
A continuaci
on desarrollamos brevemente el planteamiento general de las SVMs para posteriormente centrarnos en los problemas de clasificaci
on4 desde la perspectiva de un aprendizaje
supervisado, es decir, el conocimiento de las salidas de un conjunto de entradas nos permite
cuantificar (supervisar) la bondad de los resultados del modelo.
El objetivo fundamental de este tipo de estudios es aprender a partir de los datos y para ello
busca la existencia de alguna dependencia funcional entre un conjunto de vectores inputs (o de
entrada)
{xi , i = 1, , n} X IRd
y valores5 outputs (o salidas)
{yi , i = 1, , n} Y IR
El modelo representado por la figura 1 (denominado modelo de aprendizaje a partir de ejemplos) recoge de manera clara el objetivo que se persigue. En este esquema, G representa un modelo
FY/X (y)
FX (x)
G
Generador
de Datos
xi
S
Operador
Objetivo
LM
M
aquina de
Aprendizaje
yi
-
?
yi
funciones, ...
5 La
generalizaci
on a IRd se sigue sin m
as que considerar el vector componente a compenente.
6 Las
E[Y /X = x] =
y dFY/x (y)
(1)
zaje.
8 La
As, en este planteamiento, dado un conjunto {(x1 , y1 ), , (xn , yn )}, el principal problema
consiste es formular un criterio constructivo para elegir una funci
on de F puesto que el funcional
(1) por si mismo no sirve como criterio de selecci
on, ya que la funci
on FZ (z) incluida en el es
desconocida. Para elaborar dicho criterio se debe tener en cuenta que el riesgo se define como la
esperanza matem
atica de una variable aleatoria respecto a una medida de probabilidad, por tanto
es l
ogico elegir como estimaci
on, la media muestral y de aqu la siguiente definici
on:
Definici
on 1.2 Dado un riesgo definido por (1), un conjunto de funciones F y una muestra
{z1 , , zn }. Al funcional Remp : F IR definido como
Remp [f ] =
1
n
f F
i=1
1.1.
Problemas de clasificaci
on
importante notar que la medida de probabilidad F (z) aparece dada implcitamente a traves de los datos
z1 , , z n .
= P (Af )
y se tiene que el riesgo coincide con la probabilidad de un conjunto Af respecto a una medida de
probabilidad. Adem
as elegida f F se tiene que Af IRd+1 es el conjunto de vectores donde
se realiza una clasificaci
on err
onea, y de aqu que el riesgo proporciona la probabilidad de una
clasificaci
on err
onea y cobra un mayor sentido la minimizaci
on de este, es decir, determinar f
tal que:
R[f ] = P (Af ) = mn P (Af )
f F
vn (A) = v(A; z1 , , zn ) =
n(A)
n
donde n(A) es el n
umero de elementos de la muestra que pertenecen a A.
De la definici
on se tiene que:
Remp [f ] =
1
n
es decir, el riesgo emprico es la frecuencia relativa de ocurrencia del suceso Af en una muestra. Luego seg
un el principio de minimizaci
on del riesgo emprico el problema que se plantea es
mnf F vn (Af ).
C
omo se interpretara el riesgo emprico en este caso? Sea un conjunto de vectores {x1 , , xn }
y sus correspondientes etiquetas {y1 , , yn }. Si nos olvidamos de ellas y sobre los vectores
{x1 , , xn } se aplica una funci
on f (x) se obtendr
a un conjunto de salidas {y10 , , yn0 }. Entonces cuando se tenga para i {1, , n} que yi 6= yi0 se dir
a que se ha producido un error de
entrenamiento. As pues la minimizaci
on del riesgo emprico consiste en buscar la funci
on f F
que minimiza los errores de entrenamiento.
2.
Definici
on 2.1 Un conjunto de vectores {(x1 , y1 ), , (xn , yn )} donde xi IRd e yi {1, 1}
para i = 1, , n se dice separable si existe alg
un hiperplano en IRd que separa10 los vectores
X = {x1 , , xn } con etiqueta yi = 1 de aquellos con etiqueta yi = 1.
10 En
Figura 2: Conjunto e hiperplano separador en IR2 . Los puntos huecos representan los vectores con
etiqueta y = 1 y los restantes y = 1.
planos separadores aquel que maximice la distancia de separaci
on entre los conjuntos {(x i , 1)} y
{(xi , 1)} (las dos clases posibles).
Veamos como se plantea el problema de optimizaci
on correspondiente: Fijado un hiperplano
separador siempre es posible reescalar (ver [9]) los par
ametros w y b de tal forma que:
xi w + b +1
para yi = +1
(regi
on A)
xi w + b 1
para yi = 1
(regi
on B)
i = 1, , n
(2)
Sean los vectores de etiqueta 1 para los cuales se cumple la igualdad en (2). Estos puntos
pertenecen al hiperplano 1 : xi w + b = 1 con vector normal w y distancia perpendicular hasta
el origen igual a |1 b| / kwk donde kwk es la norma euclidea de w. An
alogamente, los vectores
de etiqueta 1 que cumplen la igualdad en (2) pertenecen al hiperplano 2 : xi w + b = 1
con vector normal w y distancia perpendicular al origen de coorcdenadas igual a |1 b| / kwk.
As se tiene que los hiperplanos 1 y 2 son paralelos, la separaci
on entre ellos es 2/ kwk y ning
un
vector del conjunto de entrenamiento se encuentra entre ellos.
De entre las posibles elecciones del los hiperplanos 1 y 2 , parece natural elegir aquella que
proporcione una mayor separaci
on entre ellos, ya que de esta forma permitira distinguir de forma
m
as clara las regiones donde caen los puntos con distintas etiquetas. As se plantea13 :
1
mn kwk2
wIRd 2
s.a.
11 Se
(3)
yi (xi w + b) 1 0, i = 1, , n
utilizar
a indistintamente la notaci
on w x y hw, xi para denotar el producto escalar de dos vectores.
12 Ser
a
13 Otra
formulaci
on, que proporciona la misma soluci
on pero cuyo tratamiento es m
as complicado, consiste en maxi-
mizar la separaci
on pero fijando la norma del vector w a la unidad.
La soluci
on para el caso de dimensi
on dos se puede interpretar gr
aficamente a partir de la figura 3.
A la vista de esta figura, es f
acil darse cuenta de una caracterstica muy importante de las SVMs
y es que si se a
nade o elimina cualquier n
umero de vectores que cumplan la desigualdad estricta
(2), la soluci
on del problema de optimizaci
on no se ve afectada. Sin embargo, basta con a
nadir
un vector que se encuentre entre los dos hiperplanos, para que la soluci
on cambie totalmente.
1
kwk2
2
i (yi (xi w + b) 1)
i=1
w=
i yi x i ,
i yi = 0
i=1
i=1
y la funci
on objetivo dual:
n
LD () =
i
i=1
1
2
i j yi yj x i x j
(4)
i,j=1
Los vectores del conjunto de entrenamiento que proporcionan un multiplicador i > 0 son
denominados vectores soporte y claramente, estos vectores se encuentran en uno de los hiperplanos 1 o 2 . Para este tipo de modelo de aprendizaje, los vectores soporte son los elementos
crticos ya que ellos son los que proporcionan la aproximaci
on del problema, puesto que si todos los restantes elementos del conjunto de entrenamiento son eliminados (o son cambiados por
otros que no se encuentren entre los dos hiperplanos), y se repite el problema de optimizaci
on, se
encuentran los mismos hiperplanos separadores.
14 En
la literatura cl
asica se denominan de forma err
onea de esta manera a pesar de plantearse un problema de
optimizaci
on cons restricciones de desigualdades, La denominaci
on correcta sera multiplicadores de Karush-KuhnTucker, sin embargo utilizaremos las denominaci
on cl
asica.
Esta caracterstica de los modelos de vectores soporte puede ser utilizada en muchos problemas
econ
omicos donde se desea destacar la importancia de determinadas entradas. Tambien si se
trabaja con una gran cantidad de entradas, es u
til trabajar con los vectores soporte ya que
estos forman un esquema de comprensi
on15 que permite reconstruir la soluci
on del problema, es
decir, si consideramos exclusivamente los vectores soporte y descartamos el resto de vectores de
entrenamiento tendramos un problema de optimizaci
on con menos restricciones que proporciona
la misma informaci
on.
Las condiciones del problema de optimizaci
on nos lleva a que se cumple la condici
on (ver [9]):
i (yi (xi w + b) 1) = 0
denominada condici
on (complementaria) de Karush-Kuhn-Tucker (KKT). Estas restricciones indican que el producto de las restricciones del problema primal (yi (xi w + b) 1 0) y las
restricciones del problema dual (i 0) se anulan en todos los vectores de entrenamiento. De
esta forma se sigue que las condiciones KKT, vease [7], para el problema primal definido a partir
de la funci
on objetivo son las siguientes:
n
wj
i yi xij
j = 1, , d
LP =
i yi
b
i=1
yi (xi w + b) 1
i = 1, , n
i = 1, , n
i (yi (xi w + b) 1)
i = 1, , n.
i=1
n
De los desarrollos iniciales no se sigue una forma explcita de determinar el valor b, sin embargo,
la condici
on KKT complementaria nos permite determinarlo. Para ello, basta elegir un i > 0 y
despejar el valor de b obteniendo b = yi xi w. Aunque se ha determinado b, es m
as adecuado
realizar los c
alculos con todos los i > 0 y elegir como valor de b un valor promedio de los
resultados obtenidos, con objeto de redondear los errores intrnsecos asociados a todo metodo de
c
alculo numerico16 :
b=
1
# {i > 0}
(yi xi w)
i >0
(x) =
15 Es
si (x) > 0
si (x) < 0
(5)
m
as peque
no.
16 Por
# {A} se denota el n
umero de elementos del conjunto A.
2.1.
Ejemplo
Sean los vectores inputs X dados por17 las dos primeras columnas de la tabla 1 y donde la
tercera columna de esa misma tabla representa la etiqueta sexo.
La soluci
on y otros resultados interesantes aparecen recogidos en la tabla 1. Se observa que la
soluci
on se determina a partir de s
olo tres vectores, que el conjunto de entrenamiento es separable
y por tanto la soluci
on clasifica correctamente todos los vectores. De estos valores se sigue que el
i
(xi1 , xi2 )
21.2230
1.2346
1.0000
80
23.4450
176
70
6.5558
160
65
2.3330
160
61
-1
-3.8894
-1
162
62
-1
-2.7782
-1
168
64
-1
0.3210
-1.0000
-1
164
63
-1
-1.6670
-1
175
65
-1
0.9136
-1.0000
-1
x1i
x2i
yi
180
80
173
66
170
signo()
2.2.
En la pr
actica no es habitual trabajar con conjuntos separables. En estos casos (ver en la
figura 4) se encuentran vectores de una clase dentro de la regi
on correspondiente a los vectores
de otra clase y por tanto nunca podr
an ser separados de esta clase por medio de hiperplanos.
En estas situaciones se dir
a que el conjunto es no separable. Ante estos casos, el problema de
optimizaci
on (3), no encuentra una soluci
on posible y ello es evidente sin m
as que observar como la
funci
on objetivo (4) crece de forma arbitraria ya que el multiplicador de Lagrange correspondiente
a este vector se puede tomar arbitrariamente grande sin que viole las restricciones. Sin embargo,
17 Este
centmetros y la segunda el peso en kilogramos de una persona. Las salidas son y = 1 si es hombre e y = 1 si es mujer.
+1 i
para yi = +1
xi w + b
1 + i
para yi = 1
i = 1, , n
ik
i=1
con k 1. C
omo se interpreta esta funci
on objetivo? Si se considera un valor C grande, significa
que el investigador est
a asignando un peso a los errores muy alto frente a kwk2 , y por el contrario
si C es peque
no asigna un mayor peso a kwk2 . Esta interpretaci
on resulta m
as intuitiva si se
interpreta que kwk2 es un factor de suavizamiento de la soluci
on buscada. Por otro lado si k
es grande lo que hacemos es dar mucho m
as peso a los errores cuantos mayores sean estos. Se
llega por tanto a plantear un problema de programaci
on convexa para cualquier valor de k. Si
k=2o
k = 1 se tiene un problema de programaci
on convexa cuadr
atico. En el presente trabajo
se considera k = 1 ya que en este caso se tiene la ventaja de que ning
un valor i , ni ninguno
de sus correspondientes multiplicadores de Lagrange, aparecen en el problema dual. Por tanto el
problema de optimizaci
on que se plantea es:
1
kwk2 + C
2
mn
wIRd
s.a.
i
i=1
yi (xi w + b) 1 + i 0, i
i 0, i
10
(6)
LD () =
i
i=1
1
2
i j yi yj x i x j
i,j=1
i yi = 0
0 i C, i = 1, , n
i=1
y cuya soluci
on final viene dada por
NSV
w=
i yi s i
i=1
LP = wj
wj
i yi xij
i , i , i
i (yi (xi w + b) 1 + i )
(8)
i i
(9)
i=1
n
LP =
i yi
b
i=1
LP = C i i
i
yi (xi w + b) 1 + i
(7)
Como se coment
o en el caso separable, se pueden usar las condiciones complementarias de KKT
(las igualdades (8) y (9)), para determinar el valor de b. N
otese que la ecuaci
on (7) combinada
18 En
11
con la ecuaci
on (9) muestra que, si i = 0 entonces i < C. As se puede simplificar el c
alculo de
b tomando los vectores de entrenamiento tales que 0 < i < C y usar la ecuaci
on (8) con i = 0
(como ya se indic
o anteriormente es m
as adecuado promediar este valor entre todos los vectores
de entrenamiento con i = 0).
2.3.
Modelos te
oricos SVMs
Como resumen de lo se
nalado hasta ahora en esta secci
on se sigue que en el problema de
minimizaci
on (6) se busca determinar un hiperplano separador o
ptimo:
f (x; w, b) = hw, xi + b = 0
donde w IRd y b IR son par
ametros que deben ser estimados. Por ello se puede considerar que
el conjunto de funciones F sobre la que se busca la soluci
on al problema (6) es
F = f (x; w, b) = hw, xi + b, w IRd , y IR
es decir, que
mn LP (x; w, b) = mn LP (x, f )
f F
wIRd
y LP (x; f ) puede ser considerado como un riesgo regularizado (ver en [9]) Rreg [f ] por lo que
mn LP (x; w, b) = mn Rreg [f ]
f F
wIRd
N
i=1
la funci
on soluci
on al problema de clasificaci
on se expresa:
n
f (x) =
i yi hxi , xi + b.
(10)
i=1
3.
M
aquinas no lineales de vectores soporte
En esta secci
on se aborda el problema de generalizar los desarrollos anteriores para el caso
12
w=
i yi (si )
(11)
i=1
donde (si ) denota los vectores soporte del conjunto {(x1 ), , (xn )}. Es importante notar
que los vectores soporte se encuentran dentro del conjunto {(x1 ), , (xn )}, se denotan por
(si ) pero no son necesariamente los transformados de los vectores soporte si que se encuentran
dentro del conjunto {x1 , , xn }, entre otras cosas porque con los vectores sin transformar no se
realiza ning
un algoritmo, a pesar de esta indicaci
on se sigue con esta notaci
on, puesto que es la
utilizada tradicionalmente.
Aunque la aplicaci
on aparece en la soluci
on (11) se tiene que cuando se realiza la fase de
prueba, no se necesita tener de forma explcita ya que la soluci
on queda:
NSV
f (x) =
i yi h(si ), (x)i + b
i=1
f (x) =
i yi k(si , x) + b
i=1
13
x1 , x 2 , , x n , x
Espacio de entradas
?
(x1 ), (x2 ), , (xn ), (x)
Espacio Caracterstico
?
k(x1 , x), k(x2 , x), , k(xn , x)
N
ucleos
?
f (x) =
n
X
i k(xi , x) + b
Funci
on soluci
on
i=1
Figura 5: Las m
aquinas de vectores soporte transforman, inicialmente, el espacio de entradas en un
espacio caracterstico de dimensi
on superior y entonces construye la funci
on de clasificaci
on lineal
o
ptima dentro de este nuevo espacio.
Al usar : X H se trabaja en un nuevo espacio H por lo cual el vector soluci
on w se
encuentra en este espacio. Por tanto, puede ocurrir que sobre el conjunto X inicial no se tenga
definida ning
un tipo de estructura, y la funci
on sirve para dar una estructura19 a los datos y
poder aplicar una adecuada clasificaci
on. Esta idea aparece recogida en el trabajo [11] donde se
presenta una funci
on n
ucleo concreta y sobre todo una forma de hacer frente a la construcci
on de
funciones n
ucleos a partir de una interpretaci
on de similitud entre vectores de entrada.
Por otro lado, dado un espacio H dotado de un producto escalar habra que estudiar que
propiedades deben cumplir las funciones
k : X X H
que permiten construir un par {, H}, con las propiedades descritas anteriormente, es decir, ser
funciones n
ucleos. Un an
alisis detallado de este punto puede encontrarse entre otros en [9], [5] y
[18].
19 Una
forma de verlos.
14
Figura 6: Soluci
on gr
afica al problema planteado en la secci
on 2.1 a partir de una funci
on n
ucleo
(gaussiano). Los puntos +en negro representan los vectores de entrada con etiqueta 1 (hombres) y
los puntos +en rojo los de etiqueta 1 (mujeres). Los puntos en crculos representan los vectores
soporte.
3.1.
Clasificaci
on m
ultiple
iIk
{(xi , yi )} = Zk .
La forma, m
as habitual, de utilizaci
on de las m
aquinas de vectores soporte para resolver
problemas de multiclasificaci
on admite dos tipos de arquitectura:
SVMs biclasificadoras generalizadas: Construyen una funci
on clasificadora global a partir de
un conjunto de funciones clasificadoras dicot
omicas (biclasificadoras).
SVMs multiclasificadoras: Construyen una funci
on clasificadora global directamente considerando todas las clases a la vez.
Las SVMs multiclasificadoras plantea un problema de optimizaci
on similar a las SVMs biclasificadoras que posteriormente resuelve. Tienen el inconveniente que proporciona una salida
final y el proceso de obtenci
on de esta salida es como una caja negra que no admite ninguna
reconstrucci
on posterior.
15
Votos
1
..
.
m1
..
.
k
..
.
mk
..
.
m`
`(`1)
2
donde mk es el n
umero de votos que las m
aquinas fi , i = 1, ,
4.
`(`1)
2
dan a la etiqueta k .
Comentarios
Los n
ucleos proporcionan el lenguaje descriptivo usado por la m
aquina para ver los datos.
Frecuentemente, el dise
nador puede trabajar con una noci
on m
as intuitiva de similitud en el espacio de los inputs y es ah donde los expertos pueden dar una gua inigualable de una apropiada
medida de similitud. Dentro de los problemas econ
omicos, la elecci
on de los n
ucleos nos permitir
a tener a nuestra disposici
on un gran n
umero de modelos no parametricos con la ventaja de
poder interpretar las caractersticas del modelo, gracias a la linealidad del espacio caracterstico.
La introducci
on de los n
ucleos aumenta significativamente la potencia de las m
aquinas de
aprendizaje a la vez que retiene la linealidad que asegura que los aprendizajes resulten comprensibles. El incremento de la flexibilidad, sin embargo, incrementa el riesgo de sobreajuste con la
elecci
on de hiperplanos separables que aumentan los problemas debido al n
umero de grados de
libertad. El control adecuado de la flexibilidad del espacio caracterstico inducido por los n
ucleos
requiere una teora de generalizaci
on, la cual sea capaz de describir con precisi
on que factores han
16
n
i=1
Indicar que s
olo despues de llevar a cabo un proceso de aprendizaje se puede conocer cual
es la complejidad de la hip
otesis resultante. Este tipo de an
alisis, el cual proporciona una forma
de explotar las buenas condiciones entre la funci
on objetivo y la distribuci
on de las entradas, es
llamada minimizaci
on del riesgo estructural dependiente de los datos.
Los multiplicadores de Lagrange asociados con cada input, en la soluci
on aportada por las
m
aquinas de vectores soporte, llegan a ser las variables duales, dando con ello una interpretaci
on
intuitiva que cuantifica como de importante es un vector de entrenamiento dado en la formaci
on
de la soluci
on final.
Para muchas clases de n
ucleos, siempre es posible encontrar un par
ametro del n
ucleo para el
cual los datos llegan a ser separables (en general forzar esta separaci
on puede conducir f
acilmente
al sobreajuste). En estos casos, los outliers podran ser caracterizados por tener multiplicadores
de Lagrange muy grandes, y este procedimiento podra ser usado para depurar los datos ya que
ello puede clasificar los datos de entrenamiento de acuerdo a la dificultad que ellos presentan para
una clasificaci
on correcta.
La idea de representar la soluci
on por medio de un peque
no subconjunto del conjunto de
entrenamiento tiene una enorme ventaja de c
alculo. La implementaci
on de estas tecnicas pasa por
plantear una funci
on objetivo con tantas restricciones como n
umero de entradas, lo cual conduce
a un problema de una elevada complejidad de c
alculo. Existen distintas direcciones de p
aginas
web, por ejemplo:
http://www.support-vector.net
http://www.kernel-machines.org
http://svm.first.gmd.de
http://www.syseng.anu.edu.au/lsg/
donde se pueden encontrar muchos artculos donde se estudian diferentes formas de optimizar
estas tecnicas, as como comparativas con otras tecnicas que resuelven problemas similares. Los
modelos basados en SVMs pueden ser tambien aplicado a los problemas de estimaci
on de la
regresi
on, manteniendo las principales caractersticas de los problemas de clasificaci
on: una funci
on
no lineal es buscada, a traves de una m
aquina lineal, en un espacio caracterstico inducido por un
n
ucleo mientras la capacidad del sistema es controlada por un par
ametro que no depende de la
dimensionalidad del espacio.
En la p
agina web:
http://www.clopinet.com/isabelle/Projects /SVM/applist.html
se puede encontrar diferentes aplicaciones de estos modelos a problemas reales, donde se obtie-
17
nen resultados muy satisfactorios. Algunos de los problemas que resuelven se encuentran en los
siguientes campos: Clasificaci
on de im
agenes, Aproximaci
on de funciones y regresi
on, Reconocimiento de objetos en 3D, Caracterizaci
on de textos, Reconocimiento de caracteres de escritura,
Predicci
on de series temporales y Reconstrucci
on de sistemas ca
oticos, Arboles
de decisi
on, ......
La aplicaci
on de estas tecnicas a problemas econ
omicos no han sido a
un muy utilizadas, sin
embargo algunas referencias son:
[2] estudia el problema de clasificaci
on de empresas (rating)
[14] donde se plantea un modelo de regresi
on que explica el precio de la casas en Boston,
a partir de 15 variables explicativas continuas, y compara la soluci
on aportada por una
m
aquina de vectores soporte con una regresi
on en cordillera (ridge) y otra regresi
on en
a
rbol;
[4] plantea a
rboles de decisi
on en bases de datos comerciales y lo compara con otros metodos
est
andar de clasificaci
on.
[6] Plantea a traves de un problema de clasificaci
on una modelo de predecir bancarrotas
aplicadas a un conjunto de bancos australianos.
[17] se presentan algunos resultados sobre precios de stocks
En estos trabajos se compara los modelos SVMs con otros (redes neuronales, a
rboles de decisi
on,...)
y se obtiene unos resultados muy satisfactorios.
5.
as se pone de manifiesto cuando, por ejemplo, buscamos una palabra clave relacionada con est
as
tecnicas en los buscadores de internet y observamos el alto n
umero de referencias que aparecen.
Sin embargo, a
un son pocas las aplicaciones de esta metodologa en problemas econ
omicos.
En la actualidad estoy trabajando con compa
neros de otras universidades con el objetivo de
generalizar las SVMs a problemas de multiclasificaci
on en dos sentido: en primer lugar incorporando una interpretaci
on probabilstica de las salidas, parte de estas investigaciones se encuentran
en [12]; y en segunda lugar, mejorando algunas deficiencias que presentan las SVMs 1-v-1 cuyos
trabajos van por buen camino y nos han aceptado una comunicaci
on en ESANN2003 [3].
Referencias
[1] M.A. Aizerman, E.M. Braverman, and L.I. Rozonoer. Theoretical foundations of the potential
function method in pattern recognition learning. Automation and Remote Control, (25):821
837, 1964.
[2] C. Angulo. Aprendizaje con m
aquinas n
ucleos en entornos de multiclasificaci
on. Tesis doctoral, Universidad Politecnica de Catalu
na, Abril 2001.
18
19