Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3 4
5 6
1
Introducción teórica Introducción teórica
• Sigmoide:
• Polinómica:
• Gaussiana (RBF):
7 8
Función de decisión
⎛ N ⎞
y = signo ⎜ ∑ y iα i K (x i ,x ) − b ⎟
⎝ i =1 ⎠
sujeta a:
sujeta a:
Vector de entrada (
x = x1 ,..., x n )
9 10
11 12
2
Guía práctica para la experimentación Guía práctica para la experimentación
• Preprocesamiento de datos • Selección del modelo
– Cada ejemplo: vector de números reales
• Si hay atributos categóricos -> convertirlos a datos numéricos
– Decidir en qué orden probamos los kernels
Ejemplo: un atributo con tres categorías posibles {rojo, verde, azul} – RBF es una primera elección razonable:
se puede representar como (0,0,1), (0,1,0) y (1,0,0).
• Este kernel hace corresponder de un modo no lineal
Si el número de categorías del atributo no es muy grande, esta
codificación puede ser más estable que usando un único número ejemplos en un espacio de dimensión mayor
para cada una. • Tiene menos hiperparámetros (C y γ) que el polinomial ->
– Escalado de los datos antes de aplicar SVM menor complejidad de modelo
• Ventajas: • Menos problemas numéricos
– Evitar que los atributos que tengan rangos grandes dominen sobre los
que tengan rangos más pequeños 0 < Kij ≤ 1 (los polinomiales están entre 0 e infinito y el
– Evitar dificultades numéricas durante el cálculo sigmoideo no es válido bajo algunos parámetros)
• Escalar linealmente cada atributo al rango [-1,+1] o [0,1]
– Usar el mismo método de escalado para los datos de
entrenamiento y los de prueba
13 14
17 18
3
Guía práctica para la experimentación Guía práctica para la experimentación
Ejemplo de búsqueda de rejilla – En algunas situaciones el procedimiento propuesto
no es suficientemente bueno, puede que se
necesiten técnicas de selección de atributos
– Este método funciona bien para datos que no tienen
muchos atributos
19 20
21 22
23 24