Funciones kernel en espacios cualitativos de órdenes de magnitud. Aplicación a la evaluación del riesgo de crédito

Los algoritmos de aprendizaje basados en kernels o funciones núcleo y, en particular, las Máquinas de Soporte Vectorial (MSV), proporcionan buenos resultados en problemas de clasificación donde los patrones de entrada no son linealmente separables. En este artículo, se presenta una metodología que permitirá construir kernels capaces de trabajar con datos descritos en un espacio cualitativo de órdenes de magnitud. Una primera aplicación de esta metodología es introducida para evaluar la calidad de crédito financiero de una empresa. Se presenta un ejemplo sencillo donde se puede apreciar cómo el kernel interpreta las "distancias" entre los diversos descriptores de las empresas.