Objetivo de las MVS

El objetivo de las MVS es clasificar los datos en dos clases. Lo hace encontrando un hiperplano de separación (límite de decisión), donde se maximiza la distancia entre él y los puntos de datos más cercanos para ambas categorías.

Mire cómo el hiperplano se encuentra precisamente entre los puntos azul y rojo cercanos (maximizando el margen)

Explicación visual simple de las MVS

https://medium.com/hacia-la-inteligencia-artificial/support-vector-machine-svm-a-visual-simple-explanation-part-1-a7efa96444f2

Implementación de las MVS

Núcleos

• Los algoritmos de las MVS utilizan un conjunto de funciones matemáticas que se definen como el kernel.
• La función del kernel es tomar datos como entrada y transformarlos en la forma requerida.
• Diferentes algoritmos de las MVS usan diferentes tipos de funciones del kernel. Estas funciones pueden ser de diferentes tipos.
• Por ejemplo, lineal, no lineal, polinomial, función de base radial (RBF) y sigmoide.
• El tipo de función kernel más utilizado es RBF. También es el núcleo predeterminado.

Enlace de descarga de diapositivas

Puede descargar las diapositivas de este tema desde aquí.