APRENDIZAJE ACTIVO PARA MÁQUINAS DE VECTORES DE RELEVANCIA

Abstract

Este artículo presenta una técnica de aprendizaje activo para máquinas de vectores de relevancia. Uno de los métodos más utilizados para entrenar clasificadores activos utiliza máquinas de vectores de soporte, las cuales poseen algunas desventajas desde el punto de vista práctico. La novedad del método propuesto consiste en mantener todas las ventajas del aprendizaje activo, reemplazando la máquina de vectores de soporte por un clasificador con propiedades similares que no sufra de sus desventajas, esto es, la máquina de vectores de relevancia, obteniendo de esta manera un método de aprendizaje activo mucho más robusto. Los resultados obtenidos sobre bases de datos estándar y de bioseñales empleando el método propuesto, muestran desempeños satisfactorios y comparables con relación al aprendizaje activo para máquinas de vectores de soporte.