Garantías estadísticas para métodos de aprendizaje con penalización l1
Esta memoria está a centrada en el estudio del estimador lasso y en la obtención de garantías estadísticas sobre el mismo, en particular garantías sobre su capacidad de predicción y cuando sea posible sobre su capacidad de aproximación de la solución real. Se distinguen en los capítulos posteriores...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universidad de Valladolid |
| Repositorio: | UVaDOC. Repositorio Documental de la Universidad de Valladolid |
| OAI Identifier: | oai:uvadoc.uva.es:10324/43457 |
| Acceso en línea: | http://uvadoc.uva.es/handle/10324/43457 |
| Access Level: | acceso abierto |
| Palabra clave: | Aprendizaje estadístico Lasso SVM |
| Sumario: | Esta memoria está a centrada en el estudio del estimador lasso y en la obtención de garantías estadísticas sobre el mismo, en particular garantías sobre su capacidad de predicción y cuando sea posible sobre su capacidad de aproximación de la solución real. Se distinguen en los capítulos posteriores dos clases de garantías, garantías generales que permiten asegurar la consistencia del estimador en escenarios genéricos y garantías bajo dispersión estadística válidas cuando el conjunto S0 es pequeño. El último capítulo de esta memoria se dedica a proporcionar las garantías estadísticas asociadas a reglas de aprendizaje automático obtenidas mediante la penalización l1 con funciones de pérdida convexas generales. |
|---|