Tiene tantas dimensiones como componentes principales elijamos

Tiene tantas dimensiones como clases

Tiene tantas dimensiones como atributos

Vector quantization es un tipo especial de técnica de clustering

El clustering es un tipo de aprendizaje no supervisado que no  requiere datos previamente etiquetados 

No es posible "clusterizar" objetos contenidos en un flujo de datos (data stream), de forma que es necesario almacenar todos los objetos de tal flujo y posteriormente aplicar la técnica de clustering seleccionada 

Un kernel RBF con gamma pequeña.

Un kernel polinómico de grado 4.

Un kernel lineal.

Realizar un suavizado del ruido

Resolver inconsistencias en la base de datos

Seleccionar el mejor modelo de regresión para la base de datos

Predice la clase a la que pertenece una cierta muestra de datos 

Converge a un conjunto de clusters que depende de la configuración inicial de los centroides o representantes de cada cluster 

Siempre converge a un conjunto de clusters que minimiza el error cuadrático medio respecto al representante de cada cluster 

...debe ser lo más pequeño posible para obtener un menor error de clasificación

...podemos hacerlo lo grande que sea razonable y el conjunto no sobre-ajustará a los datos

...es un parámetro que hay que ajustar cuidadosamente pare evitar que el conjunto sobre-ajuste si se crean demasiados árboles

Reducir el grado (degree) del kernel.

Aumentar el coeficiente (coef_0) del kernel.

Aumentar el valor del parámetro de complejidad C.