Aprendizaje automático práctico con Scikit-Learn, Keras y TensorFlow, 3ª edición

Capítulo 5. Máquinas de vectores soporte

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

Una máquina de vectores soporte (SVM) es un modelo de aprendizaje automático potente y versátil, capaz de realizar clasificación lineal o no lineal, regresión e incluso detección de novedades. Las SVM brillan con conjuntos de datos no lineales de tamaño pequeño a mediano (es decir, de cientos a miles de instancias), especialmente para tareas de clasificación. Sin embargo, no se adaptan muy bien a conjuntos de datos muy grandes, como verás.

Este capítulo te explicará los conceptos básicos de las SVM, cómo utilizarlas y cómo funcionan. ¡Entremos de lleno!

Clasificación SVM lineal

La idea fundamental de las SVM se explica mejor con algunas imágenes. La Figura 5-1 muestra parte del conjunto de datos del iris que se presentó al final del Capítulo 4. Está claro que las dos clases se pueden separar fácilmente con una línea recta (son linealmente separables). El gráfico de la izquierda muestra los límites de decisión de tres posibles clasificadores lineales. El modelo cuyo límite de decisión está representado por la línea discontinua es tan malo que ni siquiera separa correctamente las clases. Los otros dos modelos funcionan perfectamente en este conjunto de entrenamiento, pero sus límites de decisión se acercan tanto a las instancias que estos modelos probablemente no funcionen tan bien en instancias nuevas. Por el contrario, la ...