Las máquinas de soporte vectorial (SVM, por sus siglas en inglés) son un tipo de algoritmo de aprendizaje supervisado utilizado para la clasificación y regresión en problemas de Machine Learning.
La idea detrás de las SVM es encontrar un hiperplano que separe de manera óptima las diferentes clases de datos. En el caso de la clasificación binaria, el hiperplano divide el espacio en dos regiones, una para cada clase. En el caso de la regresión, se busca un hiperplano que se ajuste lo mejor posible a los datos.
Para encontrar el hiperplano óptimo, las SVM buscan maximizar la distancia entre los puntos más cercanos de cada clase (llamados vectores de soporte), lo que se conoce como máximo margen. En caso de que los datos no sean linealmente separables, se utilizan técnicas de kernel para transformar el espacio de características en uno de mayor dimensionalidad donde sí puedan ser separables.
Las SVM son ampliamente utilizadas en la clasificación de datos en áreas como la biología, finanzas y marketing, así como en la detección de fraudes, reconocimiento de imágenes y procesamiento de lenguaje natural.
Los métodos de clustering, o agrupamiento, son una pieza fundamental en el proceso de análisis de los datos, pues permiten una segmentación automá [...]
Leer más »Desde 2008, varios países han promulgado leyes que reconocen la importancia de integrar la inteligencia artificial (IA) en ámbitos clave de la vida [...]
Leer más »Los servicios o las soluciones en la nube (cloud computing), ya sea en España o en cualquier parte del mundo, son infraestructuras, plataformas o sis [...]
Leer más »El contenido de este artículo sintetiza parte del capítulo “Concepto y breve historia de la Inteligencia Artificial” de la tesis Generación de [...]
Leer más »
