Aprendizaje Automático Aplicado e IA para Ingenieros

Capítulo 5. Máquinas de vectores soporte

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Máquinas de vectores soporte (SVM) representan el perímetro de vanguardia del aprendizaje automático. Se utilizan con mayor frecuencia para resolver problemas de clasificación, pero también pueden utilizarse para la regresión. Debido a la forma única en que ajustan los modelos matemáticos a los datos, las SVM a menudo consiguen encontrar la separación entre clases cuando otros modelos no lo consiguen. Técnicamente, sólo realizan clasificación binaria, pero Scikit-Learn les permite realizar también clasificación multiclase utilizando técnicas que se tratan en el Capítulo 3.

Scikit-Learn facilita la construcción de SVM con clases como SVC (abreviatura de clasificador vectorial de soporte ) para modelos de clasificación y SVR (regresor vectorial de soporte) para modelos de regresión. Puedes utilizar estas clases sin entender cómo funcionan las SVM, pero les sacarás más partido si entiendes cómo funcionan. También es importante saber cómo afinar las SVM para conjuntos de datos individuales y cómo preparar los datos antes de entrenar un modelo. Hacia el final de este capítulo, construiremos una SVM que realice reconocimiento facial. Pero antes, echemos un vistazo entre bastidores y descubramos por qué las SVM suelen ser el mecanismo al que se recurre para modelar conjuntos de datos del mundo real.

Cómo funcionan las máquinas ...