Informática > Desarrollo de Software >
Máquinas de vectores de soporte (SVM)
Definición:
Las máquinas de vectores de soporte (SVM, por sus siglas en inglés) son un tipo de algoritmo de aprendizaje supervisado utilizado en el campo de la inteligencia artificial y el aprendizaje automático. Su objetivo es encontrar un hiperplano en un espacio de alta dimensión que mejor separe las diferentes clases de datos. Se utilizan comúnmente en problemas de clasificación y regresión, siendo conocidas por su eficacia en la práctica y su capacidad para manejar datos complejos y no lineales.
Introducción a las Máquinas de Vectores de Soporte (SVM)
¿Qué son las SVM?
Las Máquinas de Vectores de Soporte (SVM) son un tipo de algoritmo de aprendizaje supervisado utilizado en el campo del aprendizaje automático. Su objetivo es encontrar un hiperplano en un espacio N-dimensional (N es el número de características) que mejor clasifique los puntos de datos de diferentes clases.
Funcionamiento de las SVM
En el contexto de las SVM, los puntos de datos se representan como puntos en un espacio N-dimensional, donde N es el número de características. El algoritmo busca el hiperplano que maximiza la separación entre las clases. Este hiperplano se conoce como el hiperplano de decisión y las instancias que están más cerca de este hiperplano se denominan vectores de soporte.
Usos de las SVM
Las SVM son utilizadas en una variedad de aplicaciones, incluyendo clasificación de texto, reconocimiento de imágenes, bioinformática, entre otros. Son especialmente útiles cuando se trabaja con conjuntos de datos de alta dimensionalidad.
Si quieres aprender más sobre este tema, te recomendamos estos libros.
También te pueden interesar los siguientes temas: