Hoy vamos a hablar de los modelos SVM, del inglés: Support Vector Machines, en español: Máquinas de Vector Soporte o Máquinas de Vectores de Soporte.
Podemos definir un modelo SVM como un conjunto de algoritmos de aprendizaje supervisado desarrollados por Vladimir Vapnik y su equipo, y son utilizados generalmente para resolver problemas de clasificación y regresión.
Por ejemplo, dado un conjunto de muestras de entrenamiento, podemos etiquetar las clases y entrenar con ellas un modelo SVM, que nos servirá para predecir la clase de una nueva muestra.
Una SVM representa los puntos de una muestra en el espacio, y separa las clases en dos espacios lo más amplios posibles, mediante un hiperplano de separación que se define por los 2 puntos de las 2 clases más cercanas, y que se llama vector soporte. Cuando utilizamos una nueva muestra sobre este modelo, podemos saber a qué clase pertenece, según si queda clasificada en un parte u en otra del hiperplano.
Deja una respuesta