Recetario de Aprendizaje Automático con Python, 2ª Edición

Capítulo 17. Máquinas de vectores soporte

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

17.0 Introducción

Para entender las máquinas de vectores soporte , debemos entender los hiperplanos. Formalmente, un hiperplano es un subespacio n - 1 en un espacion-dimensional. Aunque suene complejo, en realidad es bastante sencillo. Por ejemplo, si quisiéramos dividir un espacio bidimensional, utilizaríamos un hiperplano unidimensional (es decir, una línea). Si quisiéramos dividir un espacio tridimensional, utilizaríamos un hiperplano bidimensional (es decir, un trozo de papel plano o una sábana). Un hiperplano es simplemente una generalización de ese concepto en n dimensiones.

Las máquinas de vectores soporte clasifican los datos encontrando el hiperplano que maximiza el margen entre las clases en los datos de entrenamiento. En un ejemplo bidimensional con dos clases, podemos pensar en un hiperplano como la "banda" recta más ancha (es decir, la línea con márgenes) que separa las dos clases.

En este capítulo, trataremos el entrenamiento de las máquinas de vectores de soporte en diversas situaciones y nos sumergiremos en el capó para ver cómo podemos ampliar el enfoque para abordar problemas comunes.

17.1 Entrenar un clasificador lineal

Problema

Necesitas entrenar un modelo para clasificar las observaciones.

Solución

Utiliza un clasificador de vectores de soporte (CVS ) para encontrar el hiperplano que maximice los ...