Compresión de modelos

A menudo, los modelos de aprendizaje supervisado con mejor rendimiento son conjuntos de cientos o miles de clasificadores de nivel base. Desafortunadamente, el espacio requerido para almacenar tantos clasificadores y el tiempo necesario para ejecutarlos en tiempo de ejecución prohíben su uso en aplicaciones donde los conjuntos de prueba son grandes (por ejemplo, Google), donde el espacio de almacenamiento es limitado (por ejemplo, PDA) y donde la potencia computacional es limitada (por ejemplo, audífonos). Presentamos un método para "comprimir" grandes y complejos conjuntos en modelos más pequeños y rápidos, generalmente sin una pérdida significativa en el rendimiento.