Algoritmos de Aprendizaje Local

Muy raramente los datos de entrenamiento están distribuidos uniformemente en el espacio de entrada. Los algoritmos de aprendizaje local intentan ajustar localmente la capacidad del sistema de entrenamiento a las propiedades del conjunto de entrenamiento en cada área del espacio de entrada. La familia de algoritmos de aprendizaje local contiene métodos conocidos, como el método de los k vecinos más cercanos (kNN) o las redes de funciones de base radial (RBF), así como nuevos algoritmos. Un solo análisis modela algunos aspectos de estos algoritmos. En particular, sugiere que ni kNN ni RBF, ni clasificadores no locales, logran el mejor compromiso entre localidad y capacidad. Un control cuidadoso de estos parámetros en un algoritmo simple de aprendizaje local ha proporcionado un avance significativo en el rendimiento para un problema de reconocimiento óptico de caracteres. Tanto la tasa de error como el rendimiento de rechazo han mejorado significativamente.