Aprendizaje Supervisado: Support Vector Machine

El algoritmo de vectores de soporte o Support Vector Machine es un clasificador discriminatorio definido formalmente por un hiperplano de separación. En otras palabras, dados los datos de entrenamiento etiquetados el algoritmo genera un hiperplano óptimo que clasifica los nuevos ejemplos en dos espacios dimensionales, este hiperplano es una linea que divide un plano en dos partes donde en cada clase se encuentra en cada lado.

Aprendizaje Supervisado: Support Vector MachineLos vectores de soportes se basan en el concepto de planos de decisión que definen los límites de decisión. Un ejemplo de esto se muestra a continuación, los objetos pertenecen a la clase verde o rojo, la línea de separación define un límite en el lado derecho del cual todos los objetos son verdes, y a la izquierda de los cuales todos los objetos son rojos. Cualquier objeto nuevo que caiga hacia la derecha está clasificado como verde, o clasificado como rojo si cae a la izquierda de la línea de separación.

La siguiente ilustración muestra la idea básica detrás de los vectores de soporte, aquí vemos los objetos originales mapeados, es decir reorganizados, usando un conjunto de funciones matemáticas, conocidas como núcleos. El proceso de reorganización de los objetos se conoce como mapeo. Ten en cuenta que en esta nueva configuración, los objetos mapeados son linealmente separables y, por lo tanto, en lugar de construir la curva compleja, todo lo que tenemos que hacer es encontrar una línea  óptima que pueda separar el verde y los objetos rojos.

Aprendizaje Supervisado: Support Vector Machine

En vectores de soporte, es fácil tener un hiperplano lineal entre estas dos clases, aunque también se emplea la técnica llamada kernel. Estas son funciones que toman un espacio de entrada de baja dimensión y lo transforman en un espacio dimensional más alto, es decir, convierte el problema no separable en un problema separable, esta funciones se llaman núcleos. Es principalmente útil en el problema de separación no lineal. En pocas palabras, realiza transformaciones de datos extremadamente complejas y luego descubre el proceso para separar los datos en función de las etiquetas o resultados que ha definido.

Aprendizaje Supervisado: Support Vector Machine

Respuesta a la pregunta del video: ¿Cuál de los siguientes ejemplos podemos aplicar el algoritmo de support vector machine?

Opción 1: Predecir el tipo de flor de acuerdo a las características dadas. Respuesta Correcta. Con este algoritmo se puede predecir el tipo de flor de acuerdo a sus características, este es un algoritmo de clasificación.

Opción 2: Predecir el valor de una acción de la bolsa de valores, utilizando los valores histórico. Respuesta Incorrecta. Con este algoritmo no se puede predecir el valor de una acción de la bolsa ya que para esto se requiere un algoritmo de regresión y este es un algoritmo de clasificación.

Opción 3: Predecir si una persona puede vivir o morir en el hundimiento del Titanic tomando en cuenta la edad, sexo y ubicación de su cabina. Respuesta Correcta. Con este algoritmo se puede determinar si una persona puede vivir o morir el hundimiento del Titanic.
ebook introducción a machine learning

4 thoughts on “Aprendizaje Supervisado: Support Vector Machine”

  1. una consulta porque la respuesta de la opcion 2 es incorrecta para suport vector y puede ser considerada como clasificación

  2. Hola, porque en la opción 2 se solicita la predicción del valor de la acción, esto sería un problema de regresión.

  3. Excelente el video. No conocía tu canal y fue una buena casualidad encontrarlo… tengo mucha curiosidad por el tema de SVM y redes neuronales. Sería bueno ver que te interesa discutir de estos temas por correo! Saludos desde Chile y gracias x compartir estos conocimientos con tan alta calidad

  4. Muchas gracias por tu comentario. Todos la información de contacto se encuentra publicada tanto acá coo en la página web. Saludos.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *