Regresor de vectores de apoyo
Las máquinas de vectores de apoyo (SVM) son bien conocidas en los problemas de clasificación. Sin embargo, el uso de las SVM en la regresión no está tan bien documentado. Este tipo de modelos se conoce como regresión de vectores de soporte (SVR).
SVR nos da la flexibilidad de definir cuánto error es aceptable en nuestro modelo y encontrará una línea apropiada para ajustarse a los datos.
La versión traducida del vídeo en español puede encontrarse aquí
Kernels
- Los algoritmos SVM utilizan un conjunto de funciones matemáticas, definidas como kernel.
- La función del núcleo es tomar los datos como entrada y transformarlos en la forma requerida.
- Diferentes algoritmos de SVM utilizan diferentes tipos de funciones del kernel. Estas funciones pueden ser de diferentes tipos.
- Por ejemplo, lineal, no lineal, polinómica, función de base radial (RBF) y sigmoide.
- El tipo de función kernel más utilizado es RBF. También es el kernel por defecto.
Implementación de la regresión de vectores de apoyo
Enlace de descarga de diapositivas
Puede descargar las diapositivas de este tema desde aquí.