Documentos de Académico
Documentos de Profesional
Documentos de Cultura
AL 04 DatosEspaciales
AL 04 DatosEspaciales
1 Modelo matemático
Por medio de un conjunto de datos, y ∈ RN y X ∈ RN ×D , se quiere predecir el valor de una
función RD → R, empleando la siguiente relación
donde σ y l son los hiperparametros. σ controla los niveles de variación de la salida y, y l controla
la suavidad de la función de salida.
2 Procedimiento
Para poder realizar predicciones con el modelo propuesto, se deben determinar los valores de los
parámetros de los kernels o funciones de covarianza que mejor se ajusten a los datos. Posterior-
mente, se puede hacer la predicción en los puntos espaciales desconocidos [Stein, 1999].
1. Encontrar los parámetros que minimicen la siguiente función:
Se puede emplear la función minimize de scipy o con grandientes automáticos de jax. También
se puede calcular los gradientes de los parámetros e ingresarlos al optimizador.
C. Guarnizo 1
Instituto Tecnológico Metropolitano Algebra Lineal - Regresión para Datos Espaciales
min a> a.
θ
3. Despues de determinar los valores de los parámetros que mejor describen la base de datos,
se procede a hacer la predicción empleando la ecuación (1).
4. Comparar la predicción del modelo con respecto a la predicción realizada por la interpo-
lación basada en RBF. Esta comparación se puede realizar por medio de inspección visual y
emplenado el error medio cuadrático.
Referencias
[Stein, 1999] Stein, M. L. (1999). Interpolation of spatial data. Springer Series in Statistics.
Springer-Verlag, New York. Some theory for Kriging.
C. Guarnizo 2