Revue: | Computación y sistemas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000218508 |
ISSN: | 1405-5546 |
Autores: | Ruiz, Francisco J1 Angulo, Cecilio Agell, Núria2 Rovira, Xari Campos, Ricardo A Sánchez, Mónica3 |
Instituciones: | 1Universitat Politecnica de Catalunya, Departamento de Ingeniería de Sistemas, Vilanova i la Geltrú, Barcelona. España 2Universitat Ramon Llull, Departamento de Métodos Cuantitativos, Barcelona. España 3Universitat Politecnica de Catalunya, Departamento de Matemática Aplicada, Barcelona. España |
Año: | 2003 |
Periodo: | Jul-Sep |
Volumen: | 7 |
Número: | 1 |
Paginación: | 17-28 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Analítico, aplicado |
Resumen en español | Los algoritmos de aprendizaje basados en Funciones Núcleo, particularmente las Máquinas de Soporte Vectorial (MSV), han proporcionado buenos resultados en problemas de clasificación con patrones de entrada no separables linealmente. El uso de las Funciones Núcleo permite aplicar estos algoritmos de inferencia incluso sobre información proveniente de un conjunto sin estructura de espacio euclideo. Al considerar una Función Núcleo, los datos se proyectan de forma implícita sobre un nuevo espacio de características cuya estructura es exportada hacia el espacio de origen. En este trabajo se analiza una Función Núcleo que actúa sobre datos que pertenecen a un Espacio Cualitativo de Ordenes de Magnitud Absolutos. El diseño de esta Función Núcleo está inspirado en recientes métodos elaborados sobre Máquinas Núcleo para espacios discretos de trabajo. Como ilustración se presenta una aplicación de estos sistemas de aprendizaje en el campo financiero, concretamente en la modelización del riesgo de crédito. Se estudia los resultados de predicción de riesgo crediticio de un conjunto de empresas que entregan información pública al mercado. Para ello se utilizan variables económico–financieras de las compañías y su clasificación de riesgo emitida por una conocida evaluadora del mercado financiero |
Disciplinas: | Matemáticas, Economía |
Palabras clave: | Matemáticas aplicadas, Empresas, Funciones núcleo, Máquinas vectoriales de soporte, Aprendizaje automático, Razonamiento cualitativo, Riesgo crediticio |
Keyword: | Mathematics, Economics, Applied mathematics, Enterprises, Kernel functions, Support vector machines, Machine learning, Qualitative reasoning, Credit risk |
Texte intégral: | Texto completo (Ver PDF) |