Máquinas Vectoriales

Mejor conocidas como Máquinas de Soporte Vectorial (MSV), se trata de un conjunto de algoritmos de aprendizaje supervisado. Es un plano en tres dimensiones, o conjunto de planos en tres dimensiones que se alberga en un espacio muy grande, que puede tender al infinito. Se utilizan para problemas de clasificación o regresión. Se utilizan planos tan grandes puesto que es conveniente que se tenga una buena separación entre los elementos para poderlos clasificar correctamente.

La característica más propia de las MSV es la separación óptima. Busca el plano tridimensional que tenga el mayor margen con los puntos que lo rodean. Existe una posibilidad infinita de hiperplanos para cada caso de MSV, pero la mejor solución siempre será la que permita un margen máximo entre los elementos de las diferentes categorías.

Las máquinas vectoriales cuentan con diversas limitantes que impiden su uso en el mundo real, como lo son más de dos variables predictores o situaciones donde los datos no pueden ser completamente separados.

Las máquinas vectoriales pueden llegar a ser parecidas a las redes neuronales (consultar entrada), sin embargo tienen muchas diferencias, siendo una de las más notorias el hecho de que entrenar a una MSV es muy eficiente, mientras que una red neuronal es muy costoso.

En el siguiente video se puede ver el funcionamiento de una máquina vectorial no lineal
https://www.youtube.com/watch?v=9wijQD8DPc4

En este video se puede ver el funcionamiento de una máquina vectorial no lineal que utiliza Kernel RBF
https://www.youtube.com/watch?v=UFnjV1E615I

Bibliografía:
Betancourt, Gustavo A. “Las máquinas de soporte vectorial (svms).” Scientia et Technica 1.27 (2005).

Pérez Cruz, Fernando. Máquina de vectores soporte adaptativa y compacta. Diss. Universidad Politécnica de Madrid, 2000.

Advertisements